检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于区间数的神经网络逼近性质的研究

东北大学学报（自然科学版） 1999年第5期20卷 479-481页

作者：何希勤黎明张化光东北大学信息科学与工程学院沈阳110006

提出了一种新型的基于区间数的神经网络模型。

关键词：区间数区间映射神经网络全局逼近

在线全文

学校读者我要写书评

暂无评论

RBF神经网络在核能谱平滑中的应用

核电子学与探测技术 2016年第7期36卷 669-672,676页

作者：侯利桥方江雄管弦东华理工大学核工程与地球物理学院南昌330013

在γ能谱中,为对核素进行可靠的定性、定量分析,需对原始能谱进行平滑滤波。径向基函数(Radical Basis Function,RBF)由于具有网络全局逼近性质和最佳逼近性能,对核能谱进行函数逼近。根据平滑要求和处理速度,建立不同函数的RBF神经网... 详细信息

在γ能谱中,为对核素进行可靠的定性、定量分析,需对原始能谱进行平滑滤波。径向基函数(Radical Basis Function,RBF)由于具有网络全局逼近性质和最佳逼近性能,对核能谱进行函数逼近。根据平滑要求和处理速度,建立不同函数的RBF神经网络对核能谱进行平滑滤波。实验结果表明,RBF神经网络方法能达到更为灵活和合理的平滑滤波。

关键词： RBF神经网络全局逼近核能谱平滑滤波

基于Plane-Gaussian神经网络的网络流状态监测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2017年第3期37卷 782-785,816页

作者：杨绪兵冯哲顾一凡薛晖南京林业大学信息科学技术学院南京210037 东南大学计算机科学与工程学院南京210096

针对复杂网络环境下网络流监测(分类)问题,为实现多个类别直接分类以及提高学习方法的训练速度,提出了一种随机的人工神经网络学习方法。该方法借鉴平面高斯(PG)神经网络模型,引入随机投影思想,通过计算矩阵伪逆的方法解析获得网络连接... 详细信息

针对复杂网络环境下网络流监测(分类)问题,为实现多个类别直接分类以及提高学习方法的训练速度,提出了一种随机的人工神经网络学习方法。该方法借鉴平面高斯(PG)神经网络模型,引入随机投影思想,通过计算矩阵伪逆的方法解析获得网络连接矩阵,理论上可证明该网络具有全局逼近能力。在人工数据和标准网络流监测数据上进行了实验仿真,与同样采用随机方法的极限学习机(ELM)和PG网络相比,分析与实验结果表明:1)由于继承了PG网络的几何特性,对平面型分布数据更为有效;2)采用了随机方法,训练速度与ELM相当,但比PG网络快得多;3)三种方法中,该方法更有利于解决网络流监测问题。

关键词： Plane-Gaussian人工神经网络极限学习机随机投影全局逼近分类精度

在线全文

学校读者我要写书评

暂无评论

极限学习机的改进与扩展研究

极限学习机的改进与扩展研究

作者：刘东河北工业大学

学位级别：硕士

在各种神经网络中,单隐层前向网络(SLFNs)由于其简单的结构和逼近能力而在理论和应用领域都被广泛地研究。但是,传统的单隐层前向网络学习算法,比如基于梯度的方法,可能面临如收敛缓慢和局部最小值等一些挑战。不同于传统神经网络理论,... 详细信息

在各种神经网络中,单隐层前向网络(SLFNs)由于其简单的结构和逼近能力而在理论和应用领域都被广泛地研究。但是,传统的单隐层前向网络学习算法,比如基于梯度的方法,可能面临如收敛缓慢和局部最小值等一些挑战。不同于传统神经网络理论,一种叫做极限学习机(ELM)的学习模式被提出。相对于传统方法,极限学习机能具有更快的学习速度和更好的泛化效果,并能克服一些传统方法遇到的困难。近来,极限学习机受到越来越多的关注,为了解决不同问题,如在线学习、学习排序、半监督和无监督学习等,人们提出了很多不同形式的极限学习机算法;同时,极限学习机也被直接使用在很多应用领域,比如生物医学、计算机视觉、系统建模和预测等。本文的研究主要分为两部分。在第一部分,我们主要研究极限学习机的增量构建方法,提出了一种新的增量极限学习机:可变长增量极限学习机(LCI-ELM)。LCI-ELM允许一次增加多个隐层结点,已存在的网络结构作为一个整体更新输出权值,新增加结点的输出权值计算采用部分误差最小方式。我们证明了用LCI-ELM构建的网络在紧致输入集上具有全局逼近能力,并且也能实现对有限的训练数据的插值逼近。然后,在多个数据集上对LCI-ELM和I-ELM、CI-ELM及EI-ELM进行了实验对比,实验结果说明了LCI-ELM具有更快的收敛速度。在第二部分,我们研究使用极限学习机解决概念漂移问题,提出了带有遗忘系数的极限学习机(FP-ELM)。在训练过程中,FP-ELM对数据进行逐个或逐块地学习;每当有新数据到达,FP-ELM就依据学习器的当前表现为之前的训练数据分配一个遗忘系数,以适应可能发生的变化。我们在几类具有概念漂移的分类和回归问题上将FP-ELM的效果同两种常用的集成方法的效果进行了对比。对比结果表明,FP-ELM能够在更短的训练时间里达到与集成方法相近或更好的效果。

关键词：极限学习机全局逼近概念漂移正则化优化方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

径向基神经网络的构造理论

华东船舶工业学院学报 1999年第2期13卷 5-13页

作者：王士同於东军华东船舶工业学院电子与信息系

通过对径向基神经网络的研究，提出了径向基神经网络的构造性理论及其构造算法。在给定函数及其允许误差的条件下。

关键词：神经网络构造理论全局逼近径向基神经网络

在线全文

学校读者我要写书评

暂无评论

基于增强随机搜索的OECI-ELM算法

西安工程大学学报 2016年第6期30卷 861-868页

作者：姜春峰西北大学现代学院陕西西安710130

为提高OCI-ELM算法性能,从神经网络结构设计出发,将EI-ELM中增强随机搜索能力的机制应用于OCI-ELM算法中,提出一种增长结构的新算法(Optimal Incremental Coefficients-Extreme Learning Machine,OECI-ELM).数值实验表明,由该算法得到的网络序列可以逼近任意连续的目标函数.对于不同的回归问题,与OCI-ELM、EI-ELM、CI-ELM、ECI-ELM算法相比,OECI-ELM算法可获得更加紧凑的网络结构,且泛化能力也更强.

关键词： ELM算法增强随机搜索全局逼近