深度學(xué)習(xí)的模型搭建及過擬合問題的研究

1、深度學(xué)習(xí)的模型搭建及過擬合問題的研究深度學(xué)習(xí)的模型搭建及過擬合問題的研究作者：陶礫楊朔楊威來源：計算機(jī)時代論文欄目:計算機(jī)論文更新時間：20181113瀏覽次摘要：深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個新的領(lǐng)域，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。文章介紹了一種多層感知器結(jié)構(gòu)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，并推導(dǎo)了其實現(xiàn)的算法。用數(shù)字識別實驗驗證了該模型及其算法的可靠性；驗證了過擬合的發(fā)生與訓(xùn)練集的大小以及神經(jīng)網(wǎng)絡(luò)的復(fù)雜度之間的重要關(guān)系。

2、過擬合問題的研究對降低誤差有重要的意義。關(guān)鍵詞：深度學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)；隱藏層；過擬合中圖分類號：TP391.9文獻(xiàn)標(biāo)志碼：A文章編號：10068228（2018）021404Abstract：Deeplearningisanewfieldinmachinelearningresearch.Itsimulatesthemechanismofhumanbraintointerpretdata，suchasimage，voicetext.Int

3、hispaper，adeeplearningneuralwkmodelofmultilayerperceptronstructureis1.1多層感知器結(jié)構(gòu)[1]本文采用多層感知器（MLP）作為訓(xùn)練模型，它是一種前饋人工神經(jīng)網(wǎng)絡(luò)模型。它包括至少一個隱藏層（除了一個輸入層和一個輸出層以外）本文采用的多層感知器模型中的信號流傳播如下：⑴輸入：yi（n）為i神經(jīng)元的輸出，為下一個神經(jīng)元j的輸入。⑵誘導(dǎo)局部區(qū)域：神經(jīng)元j被它左邊的yi（n）神經(jīng)