二進(jìn)前向人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)平臺(tái)實(shí)現(xiàn).doc
![](http:///template/default/images/docicon2.gif)
![](http:///template/default/images/docicon4.gif)
約36頁(yè)DOC格式手機(jī)打開(kāi)展開(kāi)
二進(jìn)前向人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)平臺(tái)實(shí)現(xiàn),1.67萬(wàn)字 36頁(yè) 包括外文翻譯,原創(chuàng)作品,通過(guò)查重系統(tǒng) 摘要近年來(lái)主動(dòng)學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)和模式識(shí)別方面的重要組成部分不斷受到關(guān)注。主動(dòng)學(xué)習(xí)的核心思想是,對(duì)于未參與初始訓(xùn)練的樣本集,如何從中挑選出針對(duì)當(dāng)前學(xué)習(xí)器而言最能提高其性能的樣本繼續(xù)參加訓(xùn)練,以求用較少的樣本獲得性能較高的分類器...
![](http://img.queshao.com/images/pcgzh.gif)
![](http://preview.queshao.com/tobuy/583634.gif)
內(nèi)容介紹
此文檔由會(huì)員 紅提很好吃 發(fā)布
二進(jìn)前向人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)平臺(tái)實(shí)現(xiàn)
1.67萬(wàn)字 36頁(yè) 包括外文翻譯,原創(chuàng)作品,通過(guò)查重系統(tǒng)
摘要
近年來(lái)主動(dòng)學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)和模式識(shí)別方面的重要組成部分不斷受到關(guān)注。主動(dòng)學(xué)習(xí)的核心思想是,對(duì)于未參與初始訓(xùn)練的樣本集,如何從中挑選出針對(duì)當(dāng)前學(xué)習(xí)器而言最能提高其性能的樣本繼續(xù)參加訓(xùn)練,以求用較少的樣本獲得性能較高的分類器。
二進(jìn)前向神經(jīng)網(wǎng)絡(luò)(Madaline)是一種離散的前向網(wǎng)絡(luò),其激活函數(shù)的不連續(xù)性使得成熟的BP算法不再適用。60年代初,Widrow和Winter根據(jù)最小擾動(dòng)原則提出了針對(duì)Madaline網(wǎng)絡(luò)特點(diǎn)的MRII學(xué)習(xí)算法,主要思想是要求二進(jìn)神經(jīng)元(Adaline)權(quán)值的調(diào)整對(duì)網(wǎng)絡(luò)輸出變化的影響最小,同時(shí)用BN加權(quán)和的絕對(duì)值作為衡量最小擾動(dòng)原則的尺度。本文對(duì)MRII算法作了深入的分析和研究,并在其基礎(chǔ)上提出了一種基于樣本敏感性的Madaline主動(dòng)學(xué)習(xí)算法。算法首先用部分具有代表性樣本訓(xùn)練Madaline網(wǎng)絡(luò),然后以BFNN網(wǎng)絡(luò)輸出對(duì)其輸入在給定樣本點(diǎn)附近變化的敏感性為尺度,主動(dòng)從未參與訓(xùn)練的樣本中挑選敏感性相對(duì)大的樣本繼續(xù)進(jìn)行訓(xùn)練,循環(huán)反復(fù)這個(gè)過(guò)程直到滿足訓(xùn)練要求為止。實(shí)驗(yàn)驗(yàn)證了該主動(dòng)學(xué)習(xí)算法在處理離散分類問(wèn)題的有效性和可行性。
關(guān)鍵詞: 主動(dòng)學(xué)習(xí),二進(jìn)前向神經(jīng)網(wǎng)絡(luò),MRII學(xué)習(xí)算法,樣本敏感性
1.67萬(wàn)字 36頁(yè) 包括外文翻譯,原創(chuàng)作品,通過(guò)查重系統(tǒng)
摘要
近年來(lái)主動(dòng)學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)和模式識(shí)別方面的重要組成部分不斷受到關(guān)注。主動(dòng)學(xué)習(xí)的核心思想是,對(duì)于未參與初始訓(xùn)練的樣本集,如何從中挑選出針對(duì)當(dāng)前學(xué)習(xí)器而言最能提高其性能的樣本繼續(xù)參加訓(xùn)練,以求用較少的樣本獲得性能較高的分類器。
二進(jìn)前向神經(jīng)網(wǎng)絡(luò)(Madaline)是一種離散的前向網(wǎng)絡(luò),其激活函數(shù)的不連續(xù)性使得成熟的BP算法不再適用。60年代初,Widrow和Winter根據(jù)最小擾動(dòng)原則提出了針對(duì)Madaline網(wǎng)絡(luò)特點(diǎn)的MRII學(xué)習(xí)算法,主要思想是要求二進(jìn)神經(jīng)元(Adaline)權(quán)值的調(diào)整對(duì)網(wǎng)絡(luò)輸出變化的影響最小,同時(shí)用BN加權(quán)和的絕對(duì)值作為衡量最小擾動(dòng)原則的尺度。本文對(duì)MRII算法作了深入的分析和研究,并在其基礎(chǔ)上提出了一種基于樣本敏感性的Madaline主動(dòng)學(xué)習(xí)算法。算法首先用部分具有代表性樣本訓(xùn)練Madaline網(wǎng)絡(luò),然后以BFNN網(wǎng)絡(luò)輸出對(duì)其輸入在給定樣本點(diǎn)附近變化的敏感性為尺度,主動(dòng)從未參與訓(xùn)練的樣本中挑選敏感性相對(duì)大的樣本繼續(xù)進(jìn)行訓(xùn)練,循環(huán)反復(fù)這個(gè)過(guò)程直到滿足訓(xùn)練要求為止。實(shí)驗(yàn)驗(yàn)證了該主動(dòng)學(xué)習(xí)算法在處理離散分類問(wèn)題的有效性和可行性。
關(guān)鍵詞: 主動(dòng)學(xué)習(xí),二進(jìn)前向神經(jīng)網(wǎng)絡(luò),MRII學(xué)習(xí)算法,樣本敏感性
TA們正在看...
- 蘇教版八年級(jí)軸對(duì)稱與軸對(duì)稱圖形講義.doc
- 蘇教版六下品社復(fù)習(xí)提要整理.doc
- 蘇教版六下品社復(fù)習(xí)題.doc
- 蘇教版六年級(jí)下冊(cè)數(shù)學(xué)教學(xué)反思全部資料.doc
- 蘇教版六年級(jí)下冊(cè)看拼音寫(xiě)詞語(yǔ).doc
- 蘇教版六年級(jí)下冊(cè)語(yǔ)文期末復(fù)習(xí)要點(diǎn).doc
- 蘇教版六年級(jí)下冊(cè)語(yǔ)文看拼音寫(xiě)詞語(yǔ)田字格.doc
- 蘇教版六年級(jí)下數(shù)學(xué)提優(yōu)練習(xí)三月.doc
- 蘇教版六年級(jí)數(shù)學(xué)上冊(cè)全冊(cè)同步練習(xí)一課一練小測(cè)試...doc
- 蘇教版六年級(jí)數(shù)學(xué)上冊(cè)知識(shí)點(diǎn)總結(jié).doc