检索结果-内蒙古大学图书馆

四川大学学报（工程科学版） 2007年第6期39卷 123-128页

作者：贾华丁游志胜王磊四川大学计算机学院四川成都610064 西南财经大学经济信息工程学院四川成都610074

为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机... 详细信息

为加快支持向量机的训练速度,提出一种新型的"多重三叉级联(MTC)"学习结构,具有反馈速度快、计算节点利用率高、反馈的支持向量多等优点。基于该结构设计了支持向量机的并行训练算法,并严格证明了新算法能够收敛到支持向量机的最优解。数值实验结果表明,新算法具有非常高的加速比和并行效率,需要的训练时间显著地少于Graf等提出的Cascade SVM算法。

关键词：支持向量机训练算法并行学习结构

来源：评论

学校读者我要写书评

暂无评论

多层前馈式神经网络的HJPS训练算法

引用

计算机研究与发展 2005年第10期42卷 1790-1795页

作者：李艳来王宽全张大鹏哈尔滨工业大学计算机科学与技术学院哈尔滨150001 香港理工大学计算学系

根据优化理论中的Hooke-Jeeves模式搜索(patternsearch)法提出了多层前馈式神经网络快速训练算法HJPS·该算法由“探测搜索”和“模式移动”两个步骤交替进行·其基本思想是探测搜索依次沿各个坐标轴进行,用以确定新的基点和有... 详细信息

根据优化理论中的Hooke-Jeeves模式搜索(patternsearch)法提出了多层前馈式神经网络快速训练算法HJPS·该算法由“探测搜索”和“模式移动”两个步骤交替进行·其基本思想是探测搜索依次沿各个坐标轴进行,用以确定新的基点和有利于网络误差函数值下降的方向·模式移动沿相邻两个基点的连线方向前进,从而进一步减小误差函数值,达到更快收敛·实验结果表明,同BP算法以及其他几种快速算法相比,HJPS算法在收敛速度和运算时间上都有非常显著的提高·同时HJPS算法的泛化能力很强·

关键词：神经网络训练算法 HJPS算法

来源：评论

学校读者我要写书评

暂无评论

一种基于混沌遗传与粒子群混合优化的过程神经网络训练算法

引用

控制与决策 2013年第9期28卷 1393-1398页

作者：许少华何新贵东北石油大学计算机与信息技术学院北京大学信息科学技术学院

针对时变输入/输出过程神经网络的训练问题,提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法.综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质,基于PNN训练目标函数,构建两种算法相... 详细信息

针对时变输入/输出过程神经网络的训练问题,提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法.综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质,基于PNN训练目标函数,构建两种算法相混合的进化寻优机制,通过适应度评估和优化效率分析自适应调节混沌遗传与粒子群算法的切换,实现网络参数在可行解空间的全局优化求解.实验结果表明,该算法较大提高了PNN的训练效率.

关键词：过程神经网络训练算法混沌遗传算法粒子群算法混合优化策略

来源：评论

学校读者我要写书评

暂无评论

扩展隐层的误差反传网络训练算法研究

引用

计算机集成制造系统 2008年第11期14卷 2284-2288页

作者：刘新平唐磊金有海中国石油大学计算机与通信工程学院山东东营257061 中国石油大学机电工程学院山东东营257061

为提高神经网络的预测精度,对现有的误差反传网络训练算法进行了改进。对三层误差反传网络进行了结构扩展,在训练过的三层网络中,动态增加一个具有线性激活函数的辅助隐层,形成一种新的网络扩展模型。用改进的蚁群算法对新增权值参数进... 详细信息

为提高神经网络的预测精度,对现有的误差反传网络训练算法进行了改进。对三层误差反传网络进行了结构扩展,在训练过的三层网络中,动态增加一个具有线性激活函数的辅助隐层,形成一种新的网络扩展模型。用改进的蚁群算法对新增权值参数进行训练,着重阐述算法的实现过程及算法分析。最后,设计了一组催化剂活性预测实验,对算法改进前后的预测能力及训练误差进行了对比。结果表明,采用该模型及训练算法,可以在不影响网络表达能力的基础上提高网络的训练精度及预测精度,改善了网络的泛化能力。

关键词：误差反传神经网络扩展隐层训练算法预测精度

来源：评论

学校读者我要写书评

暂无评论

基于BSP模型的并行神经网络训练算法

引用

计算机工程 2002年第1期28卷 59-61页

作者：谭煜东彭勤科许宏斌胡保生西安交通大学系统工程研究所西安710049

提出了一种适合集群计算机上实现的基于模型的并行神经网络训练算法,分析了其代价函数和加速比,在作者研制的集群计算机上BSP进行了实现和测试,结果表明:当问题规模比较大时,此并行算法能获得好的加速比。

关键词： BSP模型 PC集群神经网络并行算法训练算法

来源：评论

学校读者我要写书评

暂无评论

支持向量机的训练算法

引用

清华大学学报（自然科学版） 2003年第1期43卷 120-124页

作者：李建民张钹林福宗清华大学计算机科学与技术系智能技术与系统国家重点实验室北京100084

大量数据下支持向量机(SVM)的训练算法是SVM研究的一个重要方向和广大研究者关注的焦点。该文回顾了近几年来这一领域的研究情况。该文从分析SVM训练问题的实质和难点出发,结合目前一些主要的SVM训练方法及它们之间的联系,重点阐述当前... 详细信息

大量数据下支持向量机(SVM)的训练算法是SVM研究的一个重要方向和广大研究者关注的焦点。该文回顾了近几年来这一领域的研究情况。该文从分析SVM训练问题的实质和难点出发,结合目前一些主要的SVM训练方法及它们之间的联系,重点阐述当前最有代表性的一种算法——序贯最小优化(SMO)算法及其改进算法。从中可以看到,包括SMO在内的分解算法通过求解一系列规模较小的子问题逐步逼近最优解,从而避免存储整个Hessian矩阵,是解决大规模SVM训练问题的主要方法。而工作集的选择对于分解算法的收敛与否和收敛速度至关重要。

关键词：训练算法支持向量机分解算法序贯最小优化统计学习理论凸规划非增量算法

来源：评论

学校读者我要写书评

暂无评论

基于混合因子分析隐马尔科夫模型的训练算法

引用

系统仿真学报 2008年第15期20卷 3969-3972页

作者：王新民王勤姚天任孝感学院电子信息工程系湖北孝感市432000 孝感学院化学系湖北孝感市432000 华中科技大学电信系武汉430074

将混合因子分析方法与隐马尔可夫模型技术相结合,构造了一种新的统计声学模型━基于混合因子分析的隐马尔可夫模型(Hidden Markov Model based on Mixture of Factor Analysis:HMM-MFA)。重点研究了HMM-MFA的训练算法。通过推广著名的B... 详细信息

将混合因子分析方法与隐马尔可夫模型技术相结合,构造了一种新的统计声学模型━基于混合因子分析的隐马尔可夫模型(Hidden Markov Model based on Mixture of Factor Analysis:HMM-MFA)。重点研究了HMM-MFA的训练算法。通过推广著名的Baum辅助函数,并用拉格朗日多乘子方法,导出了HMM-MFA的参数重估公式。仿真结果表明,提出的算法在识别精度上优于传统的EM算法。

关键词：隐马尔可夫模型混合因子分析训练算法参数估计

来源：评论

学校读者我要写书评

暂无评论

基于异方差的PNN训练算法的研究

引用

仪器仪表学报 2004年第6期25卷 709-713页

作者：王金甲王成儒燕山大学通信与电子工程系秦皇岛066004

给出了一种基于高斯核函数有不同协方差的混合模型的异方差 PNN的实现。传统的 ML 估计方法和 EM算法在训练异方差 PNN存在数学上的困难甚至导致算法失败。从协方差的根源出发提出了协方差限制的简单 EM改进算法 ,又基于杰克刀技术提出... 详细信息

给出了一种基于高斯核函数有不同协方差的混合模型的异方差 PNN的实现。传统的 ML 估计方法和 EM算法在训练异方差 PNN存在数学上的困难甚至导致算法失败。从协方差的根源出发提出了协方差限制的简单 EM改进算法 ,又基于杰克刀技术提出了鲁棒性的 EM改进算法。此外又从信息论出发提出了基于最小相对熵的训练新算法。闭集文本自由说话人辨认试验证明了提出的模型及其算法的正确性。

关键词：训练算法高斯核改进算法鲁棒性新算法核函数 EM算法异方差协方差闭集

来源：评论

学校读者我要写书评

暂无评论

光学神经网络训练算法中超参数对网络性能的影响

引用

激光与光电子学进展 2023年第22期60卷 292-299页

作者：曹雯刘美玉陆鸣豪邵晓锋刘启发王瑾南京邮电大学通信与信息工程学院江苏南京210003

面向数字图像识别,使用光学器件构建基于快速傅里叶变换(FFT)的光学神经网络(ONN),其中的线性光学处理单元由马赫-曾德尔干涉仪(MZI)实现。这些MZI以网格状布局连接,对通过的光信号进行调制,实现乘法和加法,从而实现对图像的分类识别。... 详细信息

面向数字图像识别,使用光学器件构建基于快速傅里叶变换(FFT)的光学神经网络(ONN),其中的线性光学处理单元由马赫-曾德尔干涉仪(MZI)实现。这些MZI以网格状布局连接,对通过的光信号进行调制,实现乘法和加法,从而实现对图像的分类识别。针对该ONN对手写数字图像进行识别出现的问题,研究训练算法中的主要超参数即动量系数和学习率对网络性能的影响。首先比较不同学习率下随机梯度下降(SGD)、均方根传递(RMSprop)、适应性矩估计(Adam)和自适应梯度(Adagrad)4种训练算法结合不同非线性函数和不同隐藏层个数后,ONN在识别手写数字图像上的表现。实验结果显示:在学习率从0.5变化到5×10^(-5)、RMSprop训练算法下,具有2个隐藏层、非线性函数为Softplus的FFT型ONN具有最高的识别精确度,达97.4%。此外,着重分析在具有不同动量系数的SGD算法结合不同非线性函数和不同隐藏层个数时ONN对手写数字图像识别的准确率、运行内存和训练时间的影响。进一步,在学习率为0.05和0.005时,比较了SGD、RMSprop训练算法以及各自在引入动量后的网络识别性能。实验结果显示:动量系数为0时,采用SGD算法训练的具有2个隐藏层、非线性函数为Softplus的ONN的识别精度为96%,动量系数为0.9时,ONN的识别精度提高到96.9%;而加入动量的RMSprop算法会导致网络识别准确率不收敛或收敛较慢。

关键词：光学神经网络马赫-曾德尔干涉仪训练算法动量学习率

来源：评论

学校读者我要写书评

暂无评论

多层神经网络自适应控制训练算法及仿真实验

引用

计算机工程 2000年第12期26卷 31-32,71页

作者：朱庆保南京师范大学数学与计算机科学学院南京210097

该文提出了一种用神经网络学习非线性函数时的自适应控制BP训练算法, 该算法根据当前收敛误差及收敛误差变化率自适应确定学习控制值。并针对某些学习应用提出了一种两阶段自适应控制逐一训练算法。通过仿真实验证明, 这种方法比传统方... 详细信息

该文提出了一种用神经网络学习非线性函数时的自适应控制BP训练算法, 该算法根据当前收敛误差及收敛误差变化率自适应确定学习控制值。并针对某些学习应用提出了一种两阶段自适应控制逐一训练算法。通过仿真实验证明, 这种方法比传统方法收敛快, 学习精度高。最后, 给出了这一算法的仿真实例。

关键词：神经网络自适应控制训练算法非线性函数仿真

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：