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68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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、模塊化神經(jīng)網(wǎng)絡(luò)(ModularNeuralNetworks)是一個由多個模塊組成的神經(jīng)網(wǎng)絡(luò),每個模塊承擔(dān)神經(jīng)網(wǎng)絡(luò)的全局任務(wù)的一個子任務(wù),通過各個網(wǎng)絡(luò)之間的競爭或協(xié)作來提高系統(tǒng)的整體性能。大量的實例研究表明,模塊化神經(jīng)網(wǎng)絡(luò)在泛化能力和可靠性上比單一神經(jīng)網(wǎng)絡(luò)都有所提高,并且能有效地解決單個神經(jīng)網(wǎng)絡(luò)應(yīng)用和實現(xiàn)時出現(xiàn)的問題,為研究者提供了一條問題求解的新途徑。由于認(rèn)識到模塊化神經(jīng)網(wǎng)絡(luò)所蘊(yùn)含的巨大潛力和應(yīng)用前景,大量研究者涌入該領(lǐng)域,理論和成果不

2、斷涌現(xiàn),使得模塊化神經(jīng)網(wǎng)絡(luò)成為機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究熱點。 本文以回歸問題為例就模塊化神經(jīng)網(wǎng)絡(luò)系統(tǒng)中各個網(wǎng)絡(luò)的組合方法展開研究,提出了基于“一專多能”的模塊化神經(jīng)網(wǎng)絡(luò)子網(wǎng)集成的3種方法。該方法對訓(xùn)練樣本充分利用,通過適度縮放訓(xùn)練集,訓(xùn)練出一批神經(jīng)網(wǎng)絡(luò)個體,這樣產(chǎn)生的個體神經(jīng)網(wǎng)絡(luò)既擁有相對的準(zhǔn)確性,又不失其對其他樣本的適應(yīng)性;將這樣的網(wǎng)絡(luò)進(jìn)行個體的策略集結(jié),可以使得系統(tǒng)的逼近速度、抗干擾能力、適應(yīng)能力都得到了顯著的提高。文章

3、以8個回歸實例進(jìn)行仿真測試,其結(jié)果通過4個評價指標(biāo)從不同的側(cè)面反應(yīng)其性能。從結(jié)果中看到,“一專多能”的方法在多個試驗中獲得了優(yōu)勝,無論對于較難學(xué)習(xí)的問題還是較容易學(xué)習(xí)的問題上,始終保持著很好的適應(yīng)性和誤差要求,對于復(fù)雜的問題其精度優(yōu)勢表現(xiàn)得更為明顯。 本文還描述了作者所開發(fā)的一套適合于模塊化神經(jīng)網(wǎng)絡(luò)研究的《模塊化神經(jīng)網(wǎng)絡(luò)仿真系統(tǒng)》,詳細(xì)介紹了系統(tǒng)的總體設(shè)計和各模塊的功能(包括:輸入輸出、算法、接口、程序邏輯、存儲分配)以及系統(tǒng)界

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(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