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70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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、支持向量機(jī)(Support Vector Machines, SVMs)作為一種通用的機(jī)器學(xué)習(xí)算法,能夠較好的解決小樣本學(xué)習(xí)問題。目前對支持向量機(jī)的研究主要是集中在理論研究和算法優(yōu)化方面。與之相比,在實(shí)現(xiàn)方法及應(yīng)用方面的研究相對較少,而且很多實(shí)現(xiàn)方法都是基于軟件實(shí)現(xiàn)的,使SVM的應(yīng)用受到了限制。
  近年來,出現(xiàn)了利用神經(jīng)網(wǎng)絡(luò)解決支持向量機(jī)學(xué)習(xí)的方法,該方法將神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相結(jié)合,利用部分對偶的方法,將求解SVM的二次規(guī)劃問

2、題轉(zhuǎn)化成對動態(tài)神經(jīng)網(wǎng)絡(luò)的動態(tài)方程組求解的問題。由于神經(jīng)網(wǎng)絡(luò)具有便于硬件實(shí)現(xiàn)的特點(diǎn),因此就使SVM的硬件實(shí)現(xiàn)成為可能。但是現(xiàn)有的SVM的硬件實(shí)現(xiàn)方法都是基于模擬器件的簡單應(yīng)用。模擬電路具有拓?fù)浣Y(jié)構(gòu)一旦確定就很難改變、功耗大和占用空間大的缺點(diǎn),所以這種方法在實(shí)際應(yīng)用中也受到了較大的限制。
  針對上面的問題,論文提出了SVM學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的FPGA實(shí)現(xiàn)方法。FPGA本身具有可重構(gòu)、能耗小和占用空間小的特點(diǎn),因此該方法具有很好的靈活性。該

3、方法主要是將SVM學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的連續(xù)動態(tài)方程組進(jìn)行離散化處理,然后對離散后的動態(tài)方程組進(jìn)行FPGA實(shí)現(xiàn)。在此基礎(chǔ)上論文進(jìn)一步提出了最小二乘支持向量機(jī)(LS-SVM)分類與回歸學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),LS-SVM消除了網(wǎng)絡(luò)中的非線性部分,使得神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更加簡潔、實(shí)現(xiàn)更簡單。同時論文也提出了LS-SVM分類與回歸學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的FPGA實(shí)現(xiàn)方法。論文分別對S V M學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類問題、LS-SVM學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類和回歸問題完成了Simuli

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