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79頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機的普及和大容量存儲技術的發(fā)展和廣泛應用,人們在日常事務處理和科學研究中積累了大量的各種類型的數(shù)據(jù)。這些歷史數(shù)據(jù)背后蘊藏了對決策有重要參考價值的信息,如何充分、有效地利用這些歷史數(shù)據(jù)已成為目前人們所關注的問題。作為計算機技術、數(shù)據(jù)庫技術、人工智能、統(tǒng)計學等相結合的產(chǎn)物,數(shù)據(jù)挖掘技術為解決這一問題提供了有效的途徑。 本文簡要介紹了數(shù)據(jù)挖掘技術的淵源、基本原理和主要研究成果,強調了數(shù)據(jù)建模的重要性,分別介紹了幾類重要的數(shù)據(jù)建

2、模技術,指出了數(shù)據(jù)挖掘技術在復雜工業(yè)生產(chǎn)過程的優(yōu)化決策和控制中具有廣闊的應用前景和重要的應用價值。同時,針對傳統(tǒng)BP神經(jīng)網(wǎng)絡權值學習算法速度慢、易陷入局部極小等缺陷,提出了一種激勵函數(shù)參數(shù)可調的前饋神經(jīng)網(wǎng)絡,并給出了相應的權值和參數(shù)快速學習算法。該算法運用本文提出的非單調啟發(fā)式模擬搜索法實現(xiàn)網(wǎng)絡權值和參數(shù)的快速搜索,實驗表明,該算法不僅能明顯提高網(wǎng)絡的學習速度,而且可較好地避免學習過程陷入局部極小而導致學習失敗。在此基礎上,本文詳細分析

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論