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81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、近年來,深度學(xué)習(xí)(Deep Learning,DL)的研究日益受到人們的廣泛關(guān)注。與傳統(tǒng)的淺層網(wǎng)絡(luò)模型相比,深度學(xué)習(xí)模型的多層網(wǎng)絡(luò)結(jié)構(gòu)能夠更加有效地表達復(fù)雜函數(shù),從而學(xué)習(xí)到表征能力更強的特征,將深度學(xué)習(xí)應(yīng)用到圖像的分類中,可以有效地提高分類的精度。然而,深度學(xué)習(xí)在實際應(yīng)用中仍然面臨著嚴峻的挑戰(zhàn):深度學(xué)習(xí)的重要基礎(chǔ)單元模型——受限玻爾茲曼機(Restricted Boltzmann Machine,RBM)在訓(xùn)練過程中,存在計算復(fù)雜度高、

2、模型對訓(xùn)練數(shù)據(jù)的似然度不夠高等問題,導(dǎo)致深度學(xué)習(xí)模型訓(xùn)練時間較長。本文以深度學(xué)習(xí)算法為研究內(nèi)容,以基于深層網(wǎng)絡(luò)模型的圖像分類方法為研究目標,主要作了以下幾方面的工作:
 ?。?)介紹本文的課題背景和研究意義,闡述深度學(xué)習(xí)的發(fā)展歷程、深度學(xué)習(xí)的基本結(jié)構(gòu)單元以及深度學(xué)習(xí)常用的深度模型等相關(guān)技術(shù),調(diào)研并分析國內(nèi)外關(guān)于深度學(xué)習(xí)應(yīng)用的研究發(fā)展現(xiàn)狀,對RBM現(xiàn)存的問題進行分析。
 ?。?)針對受限玻爾茲曼機訓(xùn)練時傳統(tǒng)學(xué)習(xí)率的收斂速度慢的

3、問題,提出一種基于Kaiser窗的受限玻爾茲曼機自適應(yīng)學(xué)習(xí)率調(diào)整算法,利用Kaiser窗可以自由選擇主瓣寬度和旁瓣高度之間比重的特性以及訓(xùn)練過程中誤差增量的變化給出學(xué)習(xí)率自適應(yīng)變化公式,并設(shè)置誤差控制因子和慣性因子,從而更有效地自適應(yīng)調(diào)整學(xué)習(xí)率。仿真結(jié)果表明,基于Kaiser窗的受限玻爾茲曼機學(xué)習(xí)率調(diào)整算法,可以顯著提高受限玻爾茲曼機的收斂速度和學(xué)習(xí)能力。
 ?。?)針對受限玻爾茲曼機訓(xùn)練時歸一化參數(shù)的高計算復(fù)雜度問題,提出一種基

4、于交替迭代算法的改進受限玻爾茲曼機,利用交替迭代算法將模型分布參數(shù)和歸一化參數(shù)交替進行計算,通過反復(fù)迭代直至收斂來求得受限玻爾茲曼機的模型分布參數(shù),同時設(shè)置相應(yīng)的閾值來保證收斂速度。仿真結(jié)果表明,相較于并行回火、持續(xù)對比散度等算法訓(xùn)練得到的RBM模型,基于交替迭代算法的改進受限玻爾茲曼機對訓(xùn)練數(shù)據(jù)具有更高的似然度。
 ?。?)針對淺層模型無法有效地表達圖像多層語義特征的問題,將深度學(xué)習(xí)算法應(yīng)用于圖像分類中,提出一種基于多層RBM網(wǎng)

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

評論

0/150

提交評論