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73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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、集成學(xué)習(xí)算法通過訓(xùn)練多個(gè)弱學(xué)習(xí)算法并將其結(jié)論進(jìn)行合成,可以顯著地提高學(xué)習(xí)系統(tǒng)的泛化能力.Boosting算法作為集成學(xué)習(xí)算法的主要代表算法,得到了廣泛的研究和應(yīng)用,但其研究成果大部分都集中的分類問題上.該文主要研究了Boosting回歸算法.首先對(duì)以損失函數(shù)梯度下降為原理的樣本無權(quán)值算法進(jìn)行了闡述,并給出了一個(gè)實(shí)際問題的仿真結(jié)果.其次對(duì)按概率取樣本的有權(quán)值算法進(jìn)行了大量實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示出按概率選擇樣本權(quán)值算法比無權(quán)值算法的總體性能更為

2、優(yōu)秀,但其個(gè)體算法的不穩(wěn)定性以及為了獲得穩(wěn)定結(jié)果所需要的巨大計(jì)算時(shí)間使其不可能成為一種能廣泛應(yīng)用的算法.針對(duì)以上兩種方法的缺陷,該文提出了一種新的按概率取樣本的改進(jìn)算法.仿真結(jié)果顯示,改進(jìn)算法比前兩種算法的性能都要優(yōu)秀.算法的計(jì)算時(shí)間和算法的精度相關(guān),因此在實(shí)際應(yīng)用中可以通過平衡算法性能和計(jì)算時(shí)間來獲得需要的結(jié)果.最后,對(duì)改進(jìn)算法所表現(xiàn)出來的不足,該文提出了一種結(jié)合無權(quán)值算法的方法,雖然這個(gè)算法的最終計(jì)算結(jié)果相比改進(jìn)算法在性能上沒有太大

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(qǐng)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(qǐng)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論