2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩52頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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(bào)或認(rèn)領(lǐng)

文檔簡介

1、安徽大學(xué)碩士學(xué)位論文摘要I摘要摘要神經(jīng)網(wǎng)絡(luò)集成是目前機(jī)器學(xué)習(xí)的熱門研究方向之一,在許多領(lǐng)域有著廣泛的應(yīng)用,如數(shù)據(jù)挖掘、模式識別、文本分類、預(yù)測等方面。神經(jīng)網(wǎng)絡(luò)集成通過訓(xùn)練多個(gè)神經(jīng)網(wǎng)絡(luò)并將其結(jié)果進(jìn)行合成,可以顯著地提高學(xué)習(xí)系統(tǒng)的泛化能力。它加深了學(xué)者們對于機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的研究,并且利于工程技術(shù)人員利用神經(jīng)網(wǎng)絡(luò)技術(shù)解決實(shí)際問題。神經(jīng)網(wǎng)絡(luò)集成實(shí)現(xiàn)的方法主要集中在兩個(gè)方面,即怎樣將多個(gè)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行結(jié)合和如何產(chǎn)生集成中的個(gè)體網(wǎng)絡(luò)。因

2、此要增強(qiáng)神經(jīng)網(wǎng)絡(luò)集成的泛化能力,一方面應(yīng)盡可能提高個(gè)體網(wǎng)絡(luò)的泛化能力,另一方面應(yīng)盡可能增大集成中各網(wǎng)絡(luò)之間的差異?,F(xiàn)在常用的神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)方法都是通過擾動(dòng)訓(xùn)練數(shù)據(jù)來獲得差異較大的個(gè)體網(wǎng)絡(luò),使個(gè)體學(xué)習(xí)器的誤差分布于不同的輸入空間而取得較好效果,其中Bagging和Boosting是目前比較流行的兩種集成學(xué)習(xí)方法。而本文主要討論如何將擾動(dòng)數(shù)據(jù)集和擾動(dòng)輸入屬性結(jié)合起來,來生成精度更高且差異度更大的個(gè)體學(xué)習(xí)器,再將這多個(gè)學(xué)習(xí)器構(gòu)建成集成分類模

3、型來解決分類問題。具體的做法是在Bagging方法的基礎(chǔ)上,將特征選擇技術(shù)Relief算法引入集成學(xué)習(xí)模型的構(gòu)建中;采用一種構(gòu)造性的神經(jīng)網(wǎng)絡(luò)即覆蓋算法作為基礎(chǔ)分類器。并且在論文中對傳統(tǒng)的Relief算法進(jìn)行了改進(jìn),引入了抽樣選擇的思想。為了驗(yàn)證所提出的集成分類模型的分類能力,論文中選擇了UCI上的一些公共數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)。結(jié)果表明,本文提出的方法能有效提高普通覆蓋集成的泛化能力和分類精度。最后本文將所提出的方法應(yīng)用到手寫體的0到9的數(shù)字

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(huì)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(chǔ)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(shí)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

評論

0/150

提交評論