2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩48頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本論文主要對(duì)前饋神經(jīng)網(wǎng)絡(luò)混合訓(xùn)練算法進(jìn)行了研究.近些年,由于神經(jīng)網(wǎng)絡(luò)的興起,其學(xué)習(xí)算法成為一個(gè)非常熱門(mén)的研究領(lǐng)域之一.而混合訓(xùn)練算法的提出更是給該領(lǐng)域注入了新活力.因此,本文主要對(duì)該算法做了以下幾方面工作:
  (1)首先介紹了前饋神經(jīng)網(wǎng)絡(luò)的混合訓(xùn)練算法及其正則化混合訓(xùn)練算法.混合訓(xùn)練算法是在一個(gè)程序中結(jié)合了基于梯度下降法計(jì)算隱層權(quán)值,同時(shí)利用奇異值分解法計(jì)算輸出層權(quán)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(xùn)練算法是為了降低因?yàn)槠娈愔捣纸鈨?yōu)化法中產(chǎn)生的大數(shù)量級(jí)權(quán)解提出的,該算法與混合算法相比,不僅降低了大權(quán)解而且獲得了較好的泛化性能.
  (2)其次是對(duì)混合訓(xùn)練算法與正則化混合訓(xùn)練算法在UCI數(shù)據(jù)庫(kù)的三個(gè)實(shí)際數(shù)據(jù)集上做了應(yīng)用.實(shí)驗(yàn)結(jié)果表明混合訓(xùn)練算法在實(shí)際例子中也是非常有效的算法.
  (3)最后討論了混合訓(xùn)練算法的離群魯棒回歸問(wèn)題.當(dāng)訓(xùn)練數(shù)據(jù)中存在離群點(diǎn)時(shí),混合訓(xùn)練算法的魯棒性較差.為了解決該問(wèn)題,我們提出了加權(quán)混合訓(xùn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論