前饋神經網絡的混合訓練算法及其離群魯棒回歸問題研究.pdf_第1頁
已閱讀1頁，還剩48頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、本論文主要對前饋神經網絡混合訓練算法進行了研究.近些年,由于神經網絡的興起,其學習算法成為一個非常熱門的研究領域之一.而混合訓練算法的提出更是給該領域注入了新活力.因此,本文主要對該算法做了以下幾方面工作:
　　(1)首先介紹了前饋神經網絡的混合訓練算法及其正則化混合訓練算法.混合訓練算法是在一個程序中結合了基于梯度下降法計算隱層權值,同時利用奇異值分解法計算輸出層權值的綜合法，該算法的收斂速度大大優(yōu)于原有的二階梯度優(yōu)化法.而正則

2、化混合訓練算法是為了降低因為奇異值分解優(yōu)化法中產生的大數量級權解提出的,該算法與混合算法相比,不僅降低了大權解而且獲得了較好的泛化性能.
　　(2)其次是對混合訓練算法與正則化混合訓練算法在UCI數據庫的三個實際數據集上做了應用.實驗結果表明混合訓練算法在實際例子中也是非常有效的算法.
　　(3)最后討論了混合訓練算法的離群魯棒回歸問題.當訓練數據中存在離群點時,混合訓練算法的魯棒性較差.為了解決該問題,我們提出了加權混合訓

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論