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),請進行舉報或認領(lǐng)
文檔簡介
1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學模型,其已有相當廣泛的應(yīng)用.相對于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)算法,隨機權(quán)神經(jīng)網(wǎng)絡(luò)(Neural Networks with Random Weights, NNRW)算法不但訓練速度快,而且逼近性能較好,因此,它越來越受到人們的關(guān)注,并已被廣泛應(yīng)用于各領(lǐng)域之中.
本論文首先分析了三種不同的稀疏重構(gòu)算法在音頻信號重構(gòu)中的優(yōu)缺點,這
2、三種算法分別是正交匹配追蹤算法、迭代收縮閾值法、增廣拉格朗日乘子法.這一部分使我們深入理解稀疏重構(gòu)算法.
然后,針對隨機權(quán)神經(jīng)網(wǎng)絡(luò)算法,結(jié)合稀疏重構(gòu)算法及集成學習的思想,提出了兩種有效的算法——稀疏正則化算法和自適應(yīng)的隨機權(quán)神經(jīng)網(wǎng)絡(luò)算法.隨機權(quán)神經(jīng)網(wǎng)絡(luò)雖然是一種有效的前饋神經(jīng)網(wǎng)絡(luò)(FNNs),尤其是內(nèi)權(quán)和偏置值的隨機選取極大地提高了網(wǎng)絡(luò)的學習速率,并克服了其他學習算法的一些不足.但是,其在計算外權(quán)的過程中也存在著缺陷,比如穩(wěn)定
3、性較差,計算內(nèi)存消耗過大.我們就此缺陷提出了一個新的算法——稀疏正則化算法.我們結(jié)合梯度投影算法給出了一種隨機權(quán)網(wǎng)絡(luò)外權(quán)的迭代解,并提出了相應(yīng)的參數(shù)選擇方法和算法終止準則.實驗說明所提出的算法具有優(yōu)勢,尤其是當隱層神經(jīng)元數(shù)較多和訓練樣本較大時,所給出的算法仍就可以計算外權(quán),不僅有更好的穩(wěn)定性還可以有效的避免過擬合現(xiàn)象.
最后,結(jié)合集成學習的思想,我們把隨機權(quán)神經(jīng)網(wǎng)絡(luò)算法當作一弱分類器,給定對應(yīng)的分布權(quán)值的迭代公式和誤差公式,通
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 隨機權(quán)網(wǎng)絡(luò)的正則化算法研究.pdf
- 多規(guī)則Adaboost算法及其應(yīng)用研究.pdf
- 稀疏編碼算法及其應(yīng)用研究.pdf
- SVM與AdaBoost算法的應(yīng)用研究.pdf
- 正則化機器學習算法及其財務(wù)預(yù)警應(yīng)用研究.pdf
- 圖像稀疏編碼算法及其應(yīng)用研究.pdf
- AdaBoost算法優(yōu)化及其在車牌定位中的應(yīng)用研究.pdf
- AdaBoost算法及其在目標識別中的應(yīng)用研究.pdf
- 時變、隨機網(wǎng)絡(luò)最優(yōu)路徑算法及其應(yīng)用研究.pdf
- 基于正則化方法的非負矩陣分解算法及其應(yīng)用研究.pdf
- 隨機規(guī)劃的若干算法及其應(yīng)用研究.pdf
- 正則化約束稀疏脈沖地震反演方法及應(yīng)用研究.pdf
- 正則化方法解決神經(jīng)網(wǎng)絡(luò)稀疏化問題.pdf
- 聯(lián)合稀疏恢復(fù)新型算法及其應(yīng)用研究.pdf
- 基于光滑L0正則子的神經(jīng)網(wǎng)絡(luò)稀疏化梯度學習算法研究.pdf
- Tetrolet稀疏正則化與樣本學習的圖像超分辨率算法研究.pdf
- 隨機局部搜索算法及其應(yīng)用研究.pdf
- 基于稀疏正則化的WMSN圖像去噪算法研究.pdf
- 基于粒子群的AdaBoost算法及其在人臉檢測中的應(yīng)用研究.pdf
- AdaBoost算法在人臉檢測中的應(yīng)用研究.pdf
評論
0/150
提交評論