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

基于筛选机制的L1核学习机分布式训练方法

山东大学学报（理学版） 2016年第9期51卷 137-144页

作者：及歆荣侯翠琴侯义斌赵斌北京市物联网软件与系统工程技术研究中心北京100124 河北工程大学信息与电气工程学院河北邯郸056038 北京工业大学软件学院北京100124

为降低无线传感器网络中核学习机训练时的数据通信代价和节点计算代价,研究了基于筛选机制的L1正则化核学习机分布式训练方法。提出了一种节点局部训练样本筛选机制,各节点利用筛选出的训练样本,在节点模型对本地训练样本的预测值与邻... 详细信息

为降低无线传感器网络中核学习机训练时的数据通信代价和节点计算代价,研究了基于筛选机制的L1正则化核学习机分布式训练方法。提出了一种节点局部训练样本筛选机制,各节点利用筛选出的训练样本,在节点模型对本地训练样本的预测值与邻居节点间局部最优模型对本地训练样本预测值相一致的约束下,利用增广拉格朗日乘子法求解L1正则化核学习机分布式优化问题,利用交替方向乘子法求解节点本地的L1正则化核学习机的稀疏模型;仅依靠相邻节点间传输稀疏模型的协作方式,进一步优化节点局部模型,直至各节点模型收敛。基于此方法,提出了基于筛选机制的L1正则化核最小平方误差学习机的分布式训练算法。仿真实验验证了该算法在模型预测正确率、模型稀疏率、数据传输量和参与模型训练样本量上的有效性和优势。

关键词：无线传感器网络核学习机分布式学习 L1正则化样本筛选机制增广拉格朗日乘子法

面向WSN的相关向量核学习机增量学习方法研究

在线全文

学校读者我要写书评

暂无评论

面向WSN的相关向量核学习机增量学习方法研究

作者：雷俊北京工业大学

学位级别：硕士

无线传感器网络(Wireless Sensor Network,WSN)是一种新兴的信息获取方式和处理技术,因其部署方便、功耗低、成本低等特点,已被应用于诸多领域,而且给更多的应用空间和应用价值提供了可能性。WSN的最大特点是面向应用和以数据为中心。因... 详细信息

无线传感器网络(Wireless Sensor Network,WSN)是一种新兴的信息获取方式和处理技术,因其部署方便、功耗低、成本低等特点,已被应用于诸多领域,而且给更多的应用空间和应用价值提供了可能性。WSN的最大特点是面向应用和以数据为中心。因此,部署WSN的目的不仅仅是采集数据并将数据传输给观测者,而且还要完成特定的任务,如跟踪、识别、预警等。分类和回归问题是WSN要完成的众多任务中最基础也是最重要的一类任务。因此,用于解决分类和回归问题的机器学习方法在WSN中得到了越来越广泛的应用。在WSN中,训练样本都分散在传感器节点上,而且样本数据存在不断产生、序列到达等特点,利用传统机器学习方法很难对WSN中的训练样本进行有效的训练。因此,如何在节点能量和通信能力严格受限的WSN中进行机器学习方法的训练成为WSN领域数据融合技术亟待解决的关键问题。本论文面向WSN,基于核学习机的特点,利用增量学习思想和数据降维理论,以降低WSN中机器学习方法模型训练和传输代价、平衡模型训练过程中节点能量消耗、降低参与模型训练的样本数量,提升模型训练效率为目标,研究了稀疏核学习机的增量学习方法、训练样本特征降维方法以及稀疏核学习机增量学习过程中的能量动态平衡方法。具体从稀疏核学习机的增量学习问题,基于核学习机的主成分分析的数据降维问题,以及WSN的能量平衡策略等方面进行深入的研究。本论文的主要研究内容及研究成果如下:(1)针对WSN中节点能量和通信带宽严格受限以及训练样本数据的特点,基于概率理论,研究了稀疏核学习机增量学习问题的构建和求解,提出了一种基于相关向量核学习机的增量学习算法。仿真实验验证了该增量学习算法能得到与传统核学习机方法非常一致的预测正确率,并且可以显著提高模型的稀疏率。(2)针对WSN中原始训练样本维数过高引起的训练和传输代价问题,基于相关向量核学习机的增量学习算法,研究了一种基于核学习机主成分分析的数据降维方法。仿真实验验证了在不降低模型预测精度的情况下,能够明显降低模型训练过程中的计算量和对于内存空间大小的需求。(3)针对WSN中模型训练过程中节点能量消耗不平衡问题,基于相关向量核学习机的增量学习算法,研究了核学习机增量学习过程中能够动态平衡节点能量平衡的分簇策略。相比于传统均分簇策略,优化了非均分簇策略,使得WSN中节点能量的消耗会随着非均分簇策略的执行而更加均匀消耗。仿真实验验证了在非均分簇策略下,可以显著降低WSN中节点上的能量消耗。

关键词：无线传感器网络增量学习核学习机数据降维能量平衡

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

小波核极限学习机分类器

微电子学与计算机 2013年第10期30卷 73-76,80页

作者：王杰郭晨龙郑州大学电气工程学院河南郑州450001

分析了核极限学习机的原理,提出了一种小波核极限学习机,将小波函数做为极限学习机的核函数,证明了它是一种允许的极限学习机核.通过在双螺旋数据上的测试表明,小波核极限学习机在无训练数据分布的空间也具有分类能力,而高斯核极限学习... 详细信息

分析了核极限学习机的原理,提出了一种小波核极限学习机,将小波函数做为极限学习机的核函数,证明了它是一种允许的极限学习机核.通过在双螺旋数据上的测试表明,小波核极限学习机在无训练数据分布的空间也具有分类能力,而高斯核极限学习机在没有训练数据分布的空间不具备分类能力.通过在不同的UCI数据集中的测试得出小波核极限学习机具有较高的分类性能.最后将小波核极限学习机应用到了人脸识别问题上,同样取得了优良的性能,说明小波核极限学习机具有一定的应用价值.

关键词：极限学习机核学习机小波分析小波核函数分类器

从高维特征空间中获取元胞自动机的非线性转换规则

在线全文

学校读者我要写书评

暂无评论

地理学报 2006年第6期61卷 663-672页

作者：刘小平黎夏中山大学地理科学与规划学院广州510275

元胞自动机(CA)具有强大的空间模拟能力,能够模拟和预测复杂的地理现象演变过程。CA的核心是如何定义转换规则,但目前CA转换规则获取往往是基于线性方法来进行,例如采用多准则判断(MCE)技术。这些方法较难反映地理现象所涉及的非线性等... 详细信息

元胞自动机(CA)具有强大的空间模拟能力,能够模拟和预测复杂的地理现象演变过程。CA的核心是如何定义转换规则,但目前CA转换规则获取往往是基于线性方法来进行,例如采用多准则判断(MCE)技术。这些方法较难反映地理现象所涉及的非线性等复杂特征。为此提出了利用新近发展的核学习机来获取地理元胞自动机非线性转换规则的新方法。该方法是通过核函数产生隐含的高维特征空间,把复杂的非线性问题转化成简单的线性问题,为解决复杂非线性问题提供了一种非常有效的途径。利用所提出的方法自动获取地理元胞自动机的转换规则,不仅大大减少了建模所需的时间,也较好地反映地理现象复杂的特性,从而改善了CA模拟的效果。

关键词：元胞自动机转换规则非线性核学习机高维特征空间

在线全文

学校读者我要写书评

暂无评论

我们还需要前馈神经网络技术?

江南大学学报（自然科学版） 2013年第6期12卷 631-636页

作者：王士同钟富礼蒋亦樟江南大学数字媒体学院江苏无锡214122 香港理工大学计算机系

定义了前馈核神经网络的体系结构。从实际应用的需求出发,所定义的网络涵盖了目前多数前馈神经网络。从理论上证明了该网络的批量学习过程实际上所表达的是一种核学习机,进而证明了网络的学习仅需在最后一层实施即可,而在隐含层的参数... 详细信息

定义了前馈核神经网络的体系结构。从实际应用的需求出发,所定义的网络涵盖了目前多数前馈神经网络。从理论上证明了该网络的批量学习过程实际上所表达的是一种核学习机,进而证明了网络的学习仅需在最后一层实施即可,而在隐含层的参数可任意赋值。因此,该结论事实上是现有LLM及ELM的拓广。同时,发现在逼近精度要求不是太高的情况下,目前的前馈神经网络学习技术因过于繁琐而没有必要,仅需对网络最后一层进行学习即可。而前馈神经网络技术目前最前沿的应用是解决大样本及深度知识表达问题。针对这两个热点问题,分别提出了大样本下的廉价学习策略和深度知识挖掘下的灵巧学习策略。在此,作者希望该文能引起广泛讨论甚至争论。

关键词：前馈神经网路核学习机深度知识深度学习