版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、一,啦U常蜥研究生學(xué)位論文神經(jīng)網(wǎng)絡(luò)初始權(quán)值優(yōu)化技術(shù)在移動機(jī)器人學(xué)習(xí)中的應(yīng)用研究生姓名肖】主指導(dǎo)教師姓名圍壺鯉l教授!申請學(xué)付級別亟爭業(yè)名稱通信芻僮皇丞縫論文答辯u期2QQ生且墊目學(xué)位授予日期2QQ生Z目。中國海洋大學(xué)神經(jīng)網(wǎng)絡(luò)初始權(quán)值優(yōu)化技術(shù)在移動機(jī)器人學(xué)習(xí)中的應(yīng)用I呷l哪ntationofNeuraINet帕rk’s0pti帕I№ightsInitiaIizati∞T∞h∞lo科in酗ileRobotLearnlngAbstractBa
2、sedonmultiplayerfeed—forwardneuralnetworksusingBPalgorithm,consideringthefluctuationofinitialweightsandsamplesets,anoveloptimalweightsinitializationtechn0109yisproposedforthesakeofⅢatchingbetweeninitialwejghtsandsamplese
3、tsInthispaperseveralconclusionsaregained:Intheconditionofadoptingmultiplayerfeed—forwardneuralnetworkwithoneoutput(calledsin91eoutputmodelbelow)usingBPalgorithm,optimalweightsinitializationtechn0109ycangainbiggerpea_kval
4、uewithinseVeralti鵬swithgre8tpossibilityIntheconditionofadoptingneuralnetworkwithmultipleoutputs(cal】edmultipleoutputmodelbelow),andinincreasingsampledimensionandneuralnetworkneurons,optimalweightsinitializationtechnology
5、cannotachieVebetterinitialweightsgroupwithinseveralfinitestepsAsaresult,optimalweightsinitialjzationtechn0109yissuitabletosin91eoutputmodelAnalysisontheprocessofoptimalweightsinitializationtechn0109yisachieVedandtheconcl
6、usionsmadeareasf01lows:TheF—normofweightsma七rixhaslittlefluc七uationwhenthevalueofoptimalf、lnctionchangesgreatlyAsto皿【atrixesofdifferentoptimalfunctionValues,aneWmatrix,whichisthebalancebetweentwoweightsmatrixwithdifferen
7、toptimalfunctionvalues,isconstructed。Analysisonthevalueofnewmatrix’sF—normshowsthatthedifferencebetweentwoweightsⅢatrixesisevidentOptimalweightsinitializationtechnolOgychoosesthebetterweightsgroupfarcurrentsamplesetsAsto
8、thepoorperformanceinachievingbigpeakvalueusingneuralnetworkswithmultipleoutput,aresearchismadeandtheconclusionsareasf0110ws:Tomultipleoutputmodel,asin91enetworkmustadapttoa11s繃巾1esets,andthereexistsweights’influenceinthe
9、trainingprocess:Howeverinsin91eoutputmodel,networkgroupstructureisadopted,whichconquerstheinteractionbetweencategoriesaswellasintheweights’changeprocessTothesin91eoutputmodel,thenumberofvariablesisseveraltimesto叫l(wèi)tipleou
10、tputmodel,andthereisnoinfluencebetweenvariablesConsequently,theoptimalprocessbecomeseffOrtless:TothernultipleoLJtputIilodelbecauseoftheinfluenceinweights’changeprocess,theappearancepossibiljcyofDeakvalueofoptimalfunction
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(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, 同時也不承擔(dān)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。
最新文檔
- 輪式移動機(jī)器人神經(jīng)網(wǎng)絡(luò)控制.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人環(huán)境識別.pdf
- 教會機(jī)器人學(xué)習(xí)
- 基于神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人控制研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人路徑規(guī)劃研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人軌跡跟蹤控制.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的智能移動機(jī)器人導(dǎo)航算法研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人路徑規(guī)劃技術(shù)研究.pdf
- 一種新型的細(xì)胞神經(jīng)網(wǎng)絡(luò)及其在移動機(jī)器人運動規(guī)劃中的應(yīng)用.pdf
- 基于遞歸神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人路徑規(guī)劃方法研究.pdf
- SHAA移動機(jī)器人實時神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法.pdf
- 基于回歸神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人在線路徑規(guī)劃.pdf
- 智能優(yōu)化算法研究及其在移動機(jī)器人相關(guān)技術(shù)中的應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的移動機(jī)器人路徑規(guī)劃
- 基于增強(qiáng)學(xué)習(xí)的優(yōu)化控制方法及其在移動機(jī)器人中的應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的輪式移動機(jī)器人魯棒滑??刂?pdf
- 基于ART神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人避碰撞系統(tǒng)研究.pdf
- 信息融合技術(shù)在智能移動機(jī)器人導(dǎo)航中的應(yīng)用.pdf
- 機(jī)器人學(xué)導(dǎo)論答案
- 基于動態(tài)神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人導(dǎo)航方法的研究與實現(xiàn).pdf
評論
0/150
提交評論