基于序列構造神經網絡的多維數(shù)據(jù)分析研究.pdf

1、序列構造神經網絡是一種新的神經網絡的方法模型，是基于神經網絡中神經元的動態(tài)構造技術來構建的。這種方法模型更加符合機器對數(shù)據(jù)學習的本質要求，即動態(tài)、主動學習的過程，而非靜止、被動的學習。本文研究了序列構造神經網絡的原理、構造方法和實現(xiàn)方法，并用序列構造神經網絡對多維數(shù)據(jù)分析進行研究和應用探索。 我們知道，在機器學習的研究中，創(chuàng)立新的理論模型和算法，一直被認為是智能機器學習領域急需解決的問題。神經網絡技術在過去的幾十年里得到了長足的

2、發(fā)展，神經網絡在模式識別和數(shù)據(jù)分析等應用領域得到了廣泛的應用，其中前饋網絡扮演了重要角色。當前信息技術飛速發(fā)展，海量復雜的數(shù)據(jù)應運而生，而且這些數(shù)據(jù)大都具有多維的特點；新的技術發(fā)展也為神經網絡提出了新的問題，基于內部神經元全連結條件下的傳統(tǒng)神經網絡或其改進方法，由于網絡內部神經元連結結構固定，在進行網絡訓練之前需預先確定其所使用的神經元數(shù)量，此種模式難以適應復雜變化的多維數(shù)據(jù)分析的應用需求。 針對傳統(tǒng)的前饋網絡模型存在隱含層難以

3、確定、算法收斂速度慢、網絡結構難以訓練、難以適應復雜變化的多維數(shù)據(jù)分析的應用需求等諸多問題以及在工程中的實際應用和使用效果不勝理想等現(xiàn)狀，本文提出并探討了序列構造神經網絡模型。 序列構造神經網絡模型并不是從固定網絡結構出發(fā)來進行網絡內部神經元的訓練，而是通過使用動態(tài)構造的內部神經元對訓練數(shù)據(jù)的不同子集進行空間映射，動態(tài)地構造內部神經元進而構造神經網絡的結構，使得網絡結構適應外部訓練的數(shù)據(jù)要求及其后續(xù)的變化。此訓練過程具有動態(tài)伸縮

4、和可以適應外部數(shù)據(jù)變化和多維的優(yōu)點。本文在研究過程中穿插實驗效果的比對，進而說明序列構造神經網絡的特點；同時，論文還研究了序列構造神經網絡在數(shù)據(jù)分析中的多維分析能力，討論了其在實際工程中的應用模型。本文就此理論的確立和開展進行了以下諸多方面的研究工作： 論文首先對序列構造神經網絡基礎理論、方法進行了分析和研究。文章中對序列構造神經網絡與傳統(tǒng)方法的不同之處進行了比較，對序列構造神經網絡的構造方法和學習過程進行了闡述，描述了網絡構造

5、過程中的基本原理，討論了其網絡構造的方法；同時，在實驗驗證方面，文中也通過實驗比對了序列構造神經網絡和傳統(tǒng)全連接方法在訓練速度上的差別，實驗結果顯示，在相同的識別誤差情況下，序列構造神經網絡擁有較快的訓練速度，比較適合對大數(shù)據(jù)量的分析，為后續(xù)章節(jié)的研究奠定了理論基礎。 其次，針對序列構造神經網絡的構造算法的一般過程進行了討論，并提出了若干具體的、可行的神經網絡內部神經元構造算法。對這些算法進行了分析驗證，大多經實驗證實是有效的，

6、并進一步說明了這些算法對于多維數(shù)據(jù)分析的有效性。而且，序列構造神經網絡算法不尋求空間的最優(yōu)超平面(事實上在多維情況下是NP難問題)，而是通過序列神經元對數(shù)據(jù)進行描述。通過這種方法，可以非常容易地構造出對原始多維數(shù)據(jù)空間的序列神經元的映射。這種映射過程，非常適用于經常變換的、時序性強的、多維數(shù)據(jù)的應用場合。序列構造神經網絡模型相對于傳統(tǒng)固定結構的網絡而言，比較符合對多維數(shù)據(jù)進行剖面剖分的數(shù)據(jù)分析的要求。 論文結合序列構造神經網絡的

7、優(yōu)點，提出了基于序列構造神經網絡的多維數(shù)據(jù)分析方法，針對多維數(shù)據(jù)的特點通過對數(shù)據(jù)不同側面的序列構造神經網絡分析，給出序列構造神經網絡對于數(shù)據(jù)點的描述，進而對不同神經網絡的剖面分析，通過不同序列構造神經網絡分析，從而完成對已有數(shù)據(jù)點集的多維數(shù)據(jù)分析。另外，文中給出了在序列構造神經網絡過程中的數(shù)據(jù)預處理方法，并且給出數(shù)據(jù)的多側面序列構造神經網絡的分解，以及序列構造神經網絡的多維數(shù)據(jù)分析算法。 最后，文章結合所研究的序列構造神經網絡及

8、多維數(shù)據(jù)分析的理論和算法，在當前國家大力推行廉租房的時代背景下，把研究成果應用到現(xiàn)實房產租賃指數(shù)系統(tǒng)中，通過神經網絡對房產租賃信息的不同剖面分析，從中發(fā)現(xiàn)有價值的租賃指數(shù)信息，為廉租房政策的制定和實施提供參考依據(jù)，有著很強的實際應用價值。 通過上述一系列有價值的研究工作，本文論證了序列構造神經網絡對于多維數(shù)據(jù)分析處理的優(yōu)勢，并給出了現(xiàn)實房產租賃指數(shù)多維數(shù)據(jù)分析的應用探索。序列構造神經網絡對于多維數(shù)據(jù)的分析應是一種新奕而又有著廣泛