

已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀
版權說明: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,請進行舉報或認領
文檔簡介
1、Internet為我們提供了大量的信息資源,日漸成為我們生活中不可缺少的一部分。個性化服務是未來信息服務的發(fā)展趨勢,獲取用戶個性化的興趣及信息需求是開展個性化服務的基礎,用戶建模技術在個性化服務所有的相關技術中處于基礎核心地位。本文從建立基于人性化網(wǎng)站界面設計的用戶建模出發(fā),主要研究如下內(nèi)容: (一)BP神經(jīng)網(wǎng)絡及其改進算法 針對BP神經(jīng)網(wǎng)絡學習收斂速度慢、容易陷入局部極小點而無法得到全局最優(yōu)解及對初始權值選取比較敏感等
2、不利因素,有些研究人員提出了不同的改進措施,主要有:加入動量項法、共扼梯度法、變步長法和Levenberg-Marquardt BP算法等。在前人研究工作的基礎上,本文提出了一種改進的可變學習速率反向傳播算法(IVL,BP),通過引入均方誤差增加量和減小量兩個閾值參數(shù),使得收斂速度加快。最后,通過對VLBP和IVLBP算法的仿真比較研究證明IVLBP算法的有效性。 (二)基于BP神經(jīng)網(wǎng)絡的人性化網(wǎng)站界面用戶建模 為了能夠
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(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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)容負責。
- 6. 下載文件中如有侵權或不適當內(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。
最新文檔
- 基于用戶照片和神經(jīng)網(wǎng)絡的三維個性化人體建模方法研究.pdf
- 支持協(xié)同的個性化網(wǎng)絡用戶界面研究.pdf
- 基于神經(jīng)網(wǎng)絡的視頻網(wǎng)站個性化推薦系統(tǒng)研究
- 基于BP神經(jīng)網(wǎng)絡的建模算法研究.pdf
- 基于神經(jīng)網(wǎng)絡的個性化推薦算法研究與設計.pdf
- 基于bp神經(jīng)網(wǎng)絡的購物網(wǎng)站評價研究
- 基于BP神經(jīng)網(wǎng)絡的購物網(wǎng)站評價研究.pdf
- 基于用戶建模的個性化微博推薦研究.pdf
- 基于興趣和神經(jīng)網(wǎng)絡的個性化情景推薦模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的電子商務個性化推薦系統(tǒng)研究.pdf
- 網(wǎng)站用戶個性化信息推薦算法的研究.pdf
- 個性化推薦系統(tǒng)中基于本體的用戶建模研究.pdf
- 面向WEB個性化服務的用戶建模技術.pdf
- 博客用戶的個性化建模研究與實現(xiàn).pdf
- 基于用法的網(wǎng)站個性化.pdf
- 個性化信息檢索中基于語義相似網(wǎng)絡的用戶多興趣建模研究.pdf
- 基于潛在主題的個性化搜索引擎用戶建模.pdf
- 基于BP神經(jīng)網(wǎng)絡的住院費用建模研究.pdf
- 模糊BP神經(jīng)網(wǎng)絡Web用戶分類算法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡蠕墨鑄鐵性能建模及其應用.pdf
評論
0/150
提交評論