2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、近年來,深度學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的一項(xiàng)新興研究,其多隱含層的神經(jīng)網(wǎng)絡(luò)架構(gòu)有助于深度神經(jīng)網(wǎng)絡(luò)進(jìn)行逐層的特征抽取以形成數(shù)據(jù)的高階表示;貪婪的逐層無監(jiān)督訓(xùn)練可以作為有監(jiān)督參數(shù)微調(diào)過程的初始化設(shè)置,解決大數(shù)據(jù)時(shí)代訓(xùn)練標(biāo)簽難以獲取的難題。但是,深度神經(jīng)網(wǎng)絡(luò)的有監(jiān)督訓(xùn)練多采用基于梯度的優(yōu)化準(zhǔn)則,在該學(xué)習(xí)框架中,所有的隱含層參數(shù)需要迭代訓(xùn)練,因此,深度結(jié)構(gòu)難以以快速的學(xué)習(xí)速率實(shí)現(xiàn)良好的泛化性能。
  針對基于梯度類學(xué)習(xí)算法訓(xùn)練速度慢、泛化性

2、能差等缺點(diǎn),黃廣斌等人提出了一種簡便、高效的訓(xùn)練策略——極限學(xué)習(xí)機(jī)(ELM)。在該策略中,單隱層前饋神經(jīng)網(wǎng)絡(luò)根據(jù)某種概率分布隨機(jī)選取隱含層輸出,避免了參數(shù)的迭代微調(diào);鑒于其學(xué)習(xí)速率快、泛化性能好、不易陷入局部最優(yōu),ELM被廣泛應(yīng)用于各種分類和回歸問題。然而,ELM的單隱層結(jié)構(gòu)制約了其捕捉高維度數(shù)據(jù)中有效特征的能力,因此難以適用于大數(shù)據(jù)時(shí)代日益膨脹的數(shù)據(jù)。
  基于以上兩種算法,黃廣斌等人提出一種深度多層極限學(xué)習(xí)機(jī)算法,多層的神經(jīng)網(wǎng)

3、絡(luò)結(jié)構(gòu)使其可以提取出數(shù)據(jù)中高層次的抽象信息;ELM的理論避免了網(wǎng)絡(luò)權(quán)值的反復(fù)迭代調(diào)整,提高了計(jì)算效率;半監(jiān)督的逐層訓(xùn)練機(jī)制解決了很多實(shí)際問題中訓(xùn)練標(biāo)簽難以獲取的問題。因此,深度多層極限學(xué)習(xí)機(jī)能同時(shí)有效地解決大數(shù)據(jù)時(shí)代高維度,大數(shù)據(jù),獲取標(biāo)記樣本難、構(gòu)造特征難、訓(xùn)練難等問題。
  針對深度極限學(xué)習(xí)機(jī)(DELM)算法,本文主要做了以下研究:
  (1)在機(jī)器人抓取識別任務(wù)中,針對RGB信息和Depth信息融合問題,本文采用多模態(tài)

4、深度極限學(xué)習(xí)機(jī)(MM-DELM)作為多模態(tài)融合模型訓(xùn)練方案,可以有效地學(xué)習(xí)并融合RGB模態(tài)和Depth模態(tài)中的原始像素信息,并在Cornell Grasping數(shù)據(jù)集上進(jìn)行驗(yàn)證。
  (2)通過實(shí)驗(yàn)證明,MM-DELM訓(xùn)練算法極大地改善了識別的準(zhǔn)確率,并且遵循著類似ELM的收斂性,其性能在廣泛的參數(shù)取值空間內(nèi)很穩(wěn)定,不同的參數(shù)選擇并不會(huì)造成模型性能大范圍的變動(dòng)。因此,為本文的參數(shù)選擇提供了依據(jù)。
  (3)在時(shí)間序列預(yù)測任務(wù)

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(huì)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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

評論

0/150

提交評論