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108頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、深度學(xué)習(xí)(Deep Learning)作為機器學(xué)習(xí)研究中的一個新的領(lǐng)域,對于人工智能技術(shù)的發(fā)展擁有前所未有的重要性,它以云計算對大數(shù)據(jù)的并行處理能力和算法為基礎(chǔ),構(gòu)建一個更加貼近于人腦思維方式的學(xué)習(xí)網(wǎng)絡(luò),使計算機找到如何處理“抽象概念”的方法,使計算機更加智能。作為一種基于無監(jiān)督特征學(xué)習(xí)和特征層次結(jié)構(gòu)學(xué)習(xí)的方法,深度網(wǎng)絡(luò)擬在模擬人腦的思維機制來解釋數(shù)據(jù),構(gòu)建模擬人腦進行分析和學(xué)習(xí)的深層次神經(jīng)網(wǎng)絡(luò)模型,通過組合底層特征形成更抽象的高級特征

2、來表達事物的屬性,以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表達。
  深度學(xué)習(xí)的兩個核心內(nèi)容,一是對網(wǎng)絡(luò)的合理構(gòu)建,二是網(wǎng)絡(luò)的有效學(xué)習(xí),因此,對于深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建和學(xué)習(xí)算法的研究尤為重要。針對這一有意義的課題,本文進行了深入的分析和研究,并將構(gòu)建的深度網(wǎng)絡(luò)用于極化SAR影像地物分類的應(yīng)用上,取得了良好的效果。主要工作和研究成果如下:
  (1)構(gòu)建了混沌模擬退火自編碼網(wǎng)絡(luò)和混沌模擬退火深度小波網(wǎng)絡(luò),并提出了一種基于模擬退火的深度網(wǎng)絡(luò)學(xué)習(xí)算法。

3、在網(wǎng)絡(luò)的構(gòu)建中,充分應(yīng)用自編碼原理和小波分析理論,構(gòu)建自編碼網(wǎng)絡(luò)和小波域分析下的深度小波網(wǎng)絡(luò)。在網(wǎng)絡(luò)的學(xué)習(xí)算法實現(xiàn)中,本文將模擬退火思想引入深度網(wǎng)絡(luò)的權(quán)值優(yōu)化部分,解決了傳統(tǒng)方法優(yōu)化網(wǎng)絡(luò)時容易陷入局部最優(yōu)的問題;并在上述算法的基礎(chǔ)上引入混沌模型,解決了模擬退火算法收斂速度過慢的問題,實現(xiàn)了全局搜索的快速尋找。該算法分類精度高,大大縮短了網(wǎng)絡(luò)的訓(xùn)練時間,取得了突破性的進展。
  (2)構(gòu)建了知識自編碼網(wǎng)絡(luò)和知識深度小波網(wǎng)絡(luò),在現(xiàn)有自

4、編碼網(wǎng)絡(luò)和深度小波網(wǎng)絡(luò)模型基礎(chǔ)上引入知識表示和應(yīng)用的概念,構(gòu)建基于知識的深度網(wǎng)絡(luò)。由網(wǎng)絡(luò)自動提取原始數(shù)據(jù)的高級特征表達原始數(shù)據(jù),并將極化SAR數(shù)據(jù)特有的Wishart概念作為知識層引入網(wǎng)絡(luò),通過前式優(yōu)先和顯著性優(yōu)先的原則充分利用知識層的先驗知識提高了網(wǎng)絡(luò)的分類精度。該算法解決了傳統(tǒng)方法中對于極化SAR影像分類時精度較低的問題,實現(xiàn)深度網(wǎng)絡(luò)模型的合理構(gòu)建。
  (3)將進化算法PSO全局搜索的思想引入深度網(wǎng)絡(luò)的權(quán)值尋優(yōu)過程中,以PS

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(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