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60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、模塊化神經(jīng)網(wǎng)絡是一種由多個智能體組成的學習機模型,是由多個神經(jīng)網(wǎng)絡以協(xié)作或競爭的方式構(gòu)建的學習系統(tǒng).其基本思想是以多個神經(jīng)網(wǎng)絡來探索各個子學習機的不同行為,以期提高整個學習系統(tǒng)的學習能力、系統(tǒng)精度和泛化性能.大量的實例研究表明,模塊化神經(jīng)網(wǎng)絡在泛化能力和可靠性上比單一神經(jīng)網(wǎng)絡都有所提高,為我們提供了一條問題求解的新途徑.而且最近所提出的各種理論解釋也都證實了一些常用模塊化方法的有效性.當前,模塊化神經(jīng)網(wǎng)絡的研究主要集中在兩個方面,即如何

2、將多個神經(jīng)網(wǎng)絡的輸出結(jié)論進行結(jié)合以及如何生成系統(tǒng)中的個體網(wǎng)絡.該文的工作主要集中在結(jié)論合成方面,提出子網(wǎng)絡選擇性集成的方案,提出一種新的層次模塊化神經(jīng)網(wǎng)絡模型.同時該文還對模塊化神經(jīng)網(wǎng)絡的魯棒性能進行了研究.全文共分五章.第一章,該文首先從需求,神經(jīng)生理學和社會科學等角度闡述了模塊化神經(jīng)網(wǎng)絡出現(xiàn)的可能和必然,然后從理論與應用兩個方面介紹了模塊化神經(jīng)網(wǎng)絡的研究現(xiàn)狀及應用前景.第二章,該文提出了一種模塊化神經(jīng)網(wǎng)絡的魯棒學習算法,實驗研究表明

3、模塊化神經(jīng)網(wǎng)絡的魯棒學習算法對于污染樣本的學習能獲得較好的魯棒性能和較高的學習精度,特別是在模型較復雜時,該算法的效果尤為明顯.該文在第三章討論了模塊化神經(jīng)網(wǎng)絡自適應集成的一些問題,如集成權(quán)的動態(tài)生成,子神經(jīng)網(wǎng)絡配置的最優(yōu)化,以及子神經(jīng)網(wǎng)絡的重組等.第四章,該文應用分而治之的思想提出了一種層次模塊化神經(jīng)網(wǎng)絡新方法一三層結(jié)構(gòu)的模塊化神經(jīng)網(wǎng)絡模型,在提高算法性能方面有一定優(yōu)勢.對比實驗研究也表明該算法有效地提高了系統(tǒng)的泛化能力和算法穩(wěn)定性.

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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