检索结果-内蒙古大学图书馆

一种新的基于目标反传的前馈式神经网络训练算法

引用

哈尔滨商业大学学报（自然科学版） 2002年第2期18卷 225-227页

作者：张长胜王雪峰冯英浚哈尔滨工业大学数学系黑龙江哈尔滨150001

提出了一种基于目标反传的前馈式神经网络训练算法 ,该算法将网络的目标输出信息反传到网络的每一个隐层上 ,于是将神经网络的训练问题转化为求解一系列线性方程组和线性不等式组的问题。

关键词：前馈式神经网络目标反传训练算法

来源：评论

学校读者我要写书评

暂无评论

支持向量机训练算法概述

引用

科技信息 2008年第9期 167-167,115页

作者：王海洋丁正生西安科技大学基础部陕西西安710054

本文介绍了目前流行的机器学习方法——支持向量机,详细论述了目前主要的支持向量机的训练算法,分析了它们各自的优缺点。最后对支持向量机训练算法今后的研究提出一些设想。

关键词：统计学习理论支持向量机训练算法

来源：评论

学校读者我要写书评

暂无评论

树分类器的渐近最优训练算法

引用

机器人 1987年第4期 34-37页

作者：王庆人南开大学计算机与系统科学系天津

传统的非参数树分类器设计都采用先划分再编辑(即按—区域内各类训练模式的多少把这区域划归多数类的决策域)的方法。这种设计路线限制了识别率的提高。本文给出的先编辑训练样本再划分空间的设计方法,可以使树分类器达到依概率渐近圾... 详细信息

传统的非参数树分类器设计都采用先划分再编辑(即按—区域内各类训练模式的多少把这区域划归多数类的决策域)的方法。这种设计路线限制了识别率的提高。本文给出的先编辑训练样本再划分空间的设计方法,可以使树分类器达到依概率渐近圾优的识别率.相应的计算机仿真试验表明,这种树分类器在模式分布复杂和训练样本容量较小的情况下仍能达到较高的识别率;而且它的时间效率比其他非参数分类器,如近邻式分类器高出100至1000倍。

关键词：识别率 NN 编辑树分类器训练样本渐近最优训练算法

来源：评论

学校读者我要写书评

暂无评论

基于多观察序列的HMM训练算法

引用

湖北工程学院学报 2013年第3期33卷 41-43页

作者：赵娜湖北工程学院物理与电子信息工程学院湖北孝感432000

特征独立假设被认为是隐马尔可夫模型方法的主要缺陷之一。文章研究了基于多观察序列的HMM训练算法。在该算法中,我们将多观察序列的条件概率表示成各观察序列概率的组合,避免了直接计算多观察序列条件概率的困难,与经典的HMM训练算法... 详细信息

特征独立假设被认为是隐马尔可夫模型方法的主要缺陷之一。文章研究了基于多观察序列的HMM训练算法。在该算法中,我们将多观察序列的条件概率表示成各观察序列概率的组合,避免了直接计算多观察序列条件概率的困难,与经典的HMM训练算法相比较,既考虑了训练序列之间的相关性,又不增加计算量。文章还证明经典的HMM训练算法可以由该算法导出。

关键词：隐马尔可夫模型训练算法多观察序列训练

来源：评论

学校读者我要写书评

暂无评论

支持向量机训练算法研究

引用

福建电脑 2007年第10期23卷 52-53页

作者：马海兴宁夏大学新华学院宁夏银川750021

本文介绍了基于统计学习理论的支持向量机的各种训练算法,对其进行了归类分析,比较了各个算法的优缺点。最后指出了SVM及其训练算法存在的一些问题和进一步研究动向。

关键词：统计学习理论支持向量机训练算法

来源：评论

学校读者我要写书评

暂无评论

支持向量回归的连续过松弛训练算法研究

支持向量回归的连续过松弛训练算法研究

引用

2010'中国西部声学学术交流会

作者：林关成李亚安李国辉西北工业大学航海学院渭南师范学院传媒工程系

针对支持向量回归(Support Vector Regression,SVR)的传统训练算法在大样本下内存开销大、训练速度慢的缺点,在分析SVR数学形式的基础上,充分利用二次规划自身的结构特点,将阈值量引入支持向量回归的目标函数中,采用扩展变形的方法,提... 详细信息

针对支持向量回归(Support Vector Regression,SVR)的传统训练算法在大样本下内存开销大、训练速度慢的缺点,在分析SVR数学形式的基础上,充分利用二次规划自身的结构特点,将阈值量引入支持向量回归的目标函数中,采用扩展变形的方法,提出了一种用于SVR的简化连续过松弛(Successive Over Relaxation,SOR)训练算法,并将其与传统的训练算法进行对比。仿真结果表明,简化的SOR算法是可行、有效的。它在保证拟合精度的情况下,克服了传统训练算法对系统内存要求较高的缺陷,减少了训练时间,提高了运算效率。

关键词：支持向量回归连续过松弛训练算法

来源：评论

学校读者我要写书评

暂无评论

一种新的量子神经网络训练算法

一种新的量子神经网络训练算法

引用

第十五届全国信号处理学术年会

作者：孙健张雄伟孙新建解放军理工大学通信工程学院南京210007 解放军理工大学指挥自动化学院南京210007

量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络，其主要用于数据分类。由于采用多层激励函数神经元，并且在量子间隔训练中采用了新的目标函数，即同类输入数据的隐层节点输出方差最小，从而使量子神经网络... 详细信息

量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络，其主要用于数据分类。由于采用多层激励函数神经元，并且在量子间隔训练中采用了新的目标函数，即同类输入数据的隐层节点输出方差最小，从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数，使迭代过程中两者不可避免的会出现相互冲突，从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论，在两个目标函数的梯度下降求解中引入了惩罚函数，提出了一种新的量子神经网络训练算法，消除了两个目标函数间的冲突。实验结果表明，本文提出的训练算法可以显著提升训练的速度和网络的性能。

关键词：量子神经网络训练算法约束优化理论梯度下降惩罚函数

来源：评论

学校读者我要写书评

暂无评论

一种改进的隐马尔可夫模型训练算法

引用

孝感学院学报 2004年第3期24卷 74-77页

作者：王新民孝感学院物理系湖北孝感432000

将类关联特征(class-dependentfeature,CDF)用于隐马尔可夫模型(hiddenMarkovmodel,HMM)的建模,提出了一种新的HMM训练算法,与传统的HMM训练算法在理论上完全一致,但新算法避免了直接估计高维的状态输出概率密度函数(probabilitydensity... 详细信息

将类关联特征(class-dependentfeature,CDF)用于隐马尔可夫模型(hiddenMarkovmodel,HMM)的建模,提出了一种新的HMM训练算法,与传统的HMM训练算法在理论上完全一致,但新算法避免了直接估计高维的状态输出概率密度函数(probabilitydensityfunction,PDF),可提高模型参数的估计精度。

关键词：类关联特征隐马尔可夫模型训练算法

来源：评论

学校读者我要写书评

暂无评论

对几种多层前馈神经网络训练算法的研究

引用

科技信息 2007年第27期 131-131页

作者：张旭峰杨磊伊静山东建筑大学计算机科学与技术学院山东济南250000 山东建筑大学计算机科学与技术学院

多层前馈神经网络具有模式识别能力强、训练算法多样等优点,但是其训练过程的低效率始终是多层前馈神经网络应用和发展的瓶颈。为了解决这个问题,科学家们提出了很多加速训练的算法。本文首先介绍了几种主要的训练算法及其思想,然后通... 详细信息

多层前馈神经网络具有模式识别能力强、训练算法多样等优点,但是其训练过程的低效率始终是多层前馈神经网络应用和发展的瓶颈。为了解决这个问题,科学家们提出了很多加速训练的算法。本文首先介绍了几种主要的训练算法及其思想,然后通过实验数据对这几种算法的收敛速度进行了比较。在此基础上本文阐明了几种算法的适用范围及其优缺点。

关键词：前馈神经网络收敛速度训练算法

来源：评论

学校读者我要写书评

暂无评论

一种新的支撑矢量机快速训练算法

一种新的支撑矢量机快速训练算法

引用

第七届中国人工智能联合学术会议

作者：汪西莉焦李成冯德明陕西师范大学计算机学院(陕西西安) 西安电子科技大学雷达信号处理国家重点实验室(陕西西安) 西安电子科技大学雷达信号处理国家重点实验室(陕西西安) 陕西师范大学计算机学院(陕西西安)

用支撑矢量机(SVM)分类时,针对大规模数据集,SVM的训练成为一个难题.提出了一种采用样本到某一类的马氏距离来提取可能为支撑矢量的数据的方法,同时阐明了如何解决在输入空间和特征空间中求马氏距离所遇到的问题.利用特征值、特征矢量... 详细信息

用支撑矢量机(SVM)分类时,针对大规模数据集,SVM的训练成为一个难题.提出了一种采用样本到某一类的马氏距离来提取可能为支撑矢量的数据的方法,同时阐明了如何解决在输入空间和特征空间中求马氏距离所遇到的问题.利用特征值、特征矢量及伪逆运算的并行计算方法,建立了一种提取支撑矢量的快速算法,用该方法对训练数据进行预处理后,可以加快SVM的训练速度.实验结果也表明了该方法的有效性.

关键词：支撑矢量机支撑矢量马氏距离核函数伪逆运算训练算法

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：