已閱讀1頁，還剩43頁未讀， 繼續(xù)免費(fèi)閱讀
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(bào)或認(rèn)領(lǐng)
文檔簡介
1、灰色神經(jīng)網(wǎng)絡(luò)GNNM（1，1）是灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的一種耦合模型，二者的有機(jī)結(jié)合可以提高建模效率、改善模型的精度并能提高系統(tǒng)的并行計(jì)算能力.由人工神經(jīng)網(wǎng)絡(luò)理論可知，在網(wǎng)絡(luò)的誤差函數(shù)中增加懲罰項(xiàng)，可控制網(wǎng)絡(luò)權(quán)值的大小并改善網(wǎng)絡(luò)的推廣能力；而在權(quán)值修改公式中加入動量項(xiàng)，可以減少震蕩、加速收斂.本文將懲罰項(xiàng)和動量項(xiàng)這兩種方法整合在一起，對灰色神經(jīng)網(wǎng)絡(luò)GNNM（1，1）的學(xué)習(xí)算法做了改進(jìn).通過理論推導(dǎo)證明了改進(jìn)后GNNM（1，1）批處理梯度算法
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
- 高階雙并聯(lián)神經(jīng)網(wǎng)絡(luò)批處理梯度算法收斂性
- 高階雙并聯(lián)神經(jīng)網(wǎng)絡(luò)批處理梯度算法收斂性.pdf
- 區(qū)間神經(jīng)網(wǎng)絡(luò)的算法收斂性分析.pdf
- 神經(jīng)網(wǎng)絡(luò)逆向迭代算法的收斂性.pdf
- 遞歸神經(jīng)網(wǎng)絡(luò)梯度學(xué)習(xí)算法的收斂性.pdf
- 幾種高階神經(jīng)網(wǎng)絡(luò)的梯度算法收斂性分析.pdf
- 高階神經(jīng)網(wǎng)絡(luò)的梯度訓(xùn)練算法收斂性分析.pdf
- 遞歸神經(jīng)網(wǎng)絡(luò)幾個梯度學(xué)習(xí)算法的收斂性.pdf
- 兩類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法收斂性研究.pdf
- 帶自適應(yīng)步長神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的收斂性分析.pdf
- 帶懲罰項(xiàng)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的收斂性.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)梯度訓(xùn)練算法的幾個收斂性結(jié)果.pdf
- a題論文基于灰色gm(1,1)bp神經(jīng)網(wǎng)絡(luò)的高校成績排序方法
- 模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)收斂性與閾值可去性.pdf
- 帶動量項(xiàng)的BP神經(jīng)網(wǎng)絡(luò)收斂性分析.pdf
- 帶光滑正則項(xiàng)前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的收斂性分析.pdf
- 兩種前饋型神經(jīng)網(wǎng)絡(luò)中梯度學(xué)習(xí)算法的收斂性.pdf
- CMA批處理算法的研究.pdf
- 變時延神經(jīng)網(wǎng)絡(luò)的全局穩(wěn)定性與收斂性.pdf
- Pi-Sigma神經(jīng)網(wǎng)絡(luò)隨機(jī)輸入在線梯度法的收斂性.pdf
評論
0/150
提交評論