检索结果-南通市图书馆

基于lasso和elastic net的宽度学习系统网络结构稀疏方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2020年第12期37卷 2543-2550页

作者：褚菲苏嘉铭梁涛陈俊龙王雪松马小平中国矿业大学地下空间智能控制教育部工程研究中心江苏徐州221116 中国矿业大学信息与控制工程学院江苏徐州221116 北京矿冶科技集团有限公司矿冶过程自动控制技术国家重点实验室/矿冶过程自动控制技术北京市重点实验室北京100160 华南理工大学计算机科学与工程学院广东广州510006 澳门大学科技学院澳门999078

本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的... 详细信息

本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的节点进行剔除,提高了网络结构的稀疏性.通过对一些回归数据集进行实验,可以看到本文提出的方法在不损失预测精度的前提下,同时简化了网络结构.

关键词：宽度学习系统网络结构 lasso elastic net

基于elastic net特征变量选择的黄山毛峰茶等级评价

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2020年第13期36卷 264-271页

作者：潘天红李鱼强陈琦陈山安徽大学电气工程与自动化学院合肥230061 江苏大学电气信息工程学院镇江212013 黄山海关茶叶质量安全研究中心黄山245000

为简化茶叶化学检测分析过程,实现茶叶高精度等级评价,该研究以黄山毛峰茶为研究对象,结合茶叶中茶多酚、儿茶素、咖啡碱、没食子酸及氨基酸成分检测,提出基于elastic net特征变量选择的茶叶等级评价方法,建立基于特征成分的黄山毛峰茶... 详细信息

为简化茶叶化学检测分析过程,实现茶叶高精度等级评价,该研究以黄山毛峰茶为研究对象,结合茶叶中茶多酚、儿茶素、咖啡碱、没食子酸及氨基酸成分检测,提出基于elastic net特征变量选择的茶叶等级评价方法,建立基于特征成分的黄山毛峰茶等级评价模型。试验选取6个不同等级共96个黄山毛峰茶叶样品,并分析了全部样品的19个成分,通过elasticnet选取了9个特征成分(没食子酸、表儿茶素没食子酸酯、儿茶素、表儿茶素、没食子酸儿茶素没食子酸酯、表没食子儿茶素、谷氨酸、精氨酸和儿茶素苦涩味指数)建立等级评价模型,并与主成分分析(Principal Components Analysis,PCA)进行对比。100次蒙特卡罗试验结果表明,相比于PCA预测集准确率平均值为70.79%,基于elastic net特征变量选择的黄山毛峰茶等级评价准确率更高为78.72%。在此基础上,构建elastic net特征变量雷达图,实现黄山毛峰茶等级多变量综合评价可视化。研究结果表明所提方法可有效选择茶叶特征成分,提高黄山毛峰茶等级评价准确率,为茶叶高精度等级评价提供参考。

关键词：模型品质控制 elastic net 特征变量选择黄山毛峰茶等级评价

The Application and Property of elastic net Procedure for Partially Linear Models

在线全文

学校读者我要写书评

暂无评论

Chinese Quarterly Journal of Mathematics 2020年第3期35卷 290-301页

作者： HUANG Deng-xiang LI Chun-hong QIN Chao-yong LU Chun-ting Guangxi Financial Vocational College Nanning 530007China School of Mathematics and Information Sciences Guangxi UniversityNanning 530004China

Variable selection plays an important role in high-dimensional data analysis.But the high-dimensional data often induces the strongly correlated variables problem,which should be properly handled.In this paper,we propose elastic net procedure for partially linear models and prove the group effect of its estimate.A simulation study shows that the elastic net procedure deals with the strongly correlated variables problem better than the Lasso,ALasso and the Ridge do.Based on the real world data study,we can get that the elastic net procedure is particularly useful when the number of predictors pffis much bigger than the sample size n.

关键词： elastic net partially linear models group effect Lasso ALasso

基于k-sums分段聚类的动态组合学习光伏短期功率预测

在线全文

学校读者我要写书评

暂无评论

电子科技 2024年第4期37卷 69-76页

作者：吴家葆曾国辉张振华上海工程技术大学电子电气工程学院上海201600

目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A 1、... 详细信息

目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A 1、多云A 2、阴雨天B。通过TCN(Temporal Convolutional network)提取数据的时序特征,并结合GRU(Gate Recurrent Unit)建立融合提取时序特征模块的改进GRU结构,以达到对时序特征敏感的效果。将改进GRU结构与SVM(Support Vector Machine)动态组合,使用elastic net算法输出最佳权重值叠加得到最终预测值。文中采用江苏某地区的光伏发电功率数据及对应的气象数据对所提方法进行验证,结果表明动态组合学习模型的MAE(Mean Absolute Error)为1.888,RMSE(Root Mean Squared Error)为2.403。

关键词： k-sums 分层聚类 TCN 改进GRU SVM 动态组合学习 elastic net 光伏短期功率预测

基于elastic net分位数回归的多因子量化选股策略

在线全文

学校读者我要写书评

暂无评论

科学技术创新 2022年第27期 56-59页

作者：陈友祝杭州电子科技大学经济学院浙江杭州310018

将elastic net分位数回归应用到多因子选股中,求解过程采用SNCD算法。选取2013年6月28日至2021年7月1日的沪深300指数成分股,选取了共46个因子,回测结果表明,elastic net分位数回归在分位点为0.1和0.9时,年化收益率分别达到了38.51%和39... 详细信息

将elastic net分位数回归应用到多因子选股中,求解过程采用SNCD算法。选取2013年6月28日至2021年7月1日的沪深300指数成分股,选取了共46个因子,回测结果表明,elastic net分位数回归在分位点为0.1和0.9时,年化收益率分别达到了38.51%和39.67%,远超基准年化收益率17.37%。同时还将elastic net分位数回归策略同Lasso分位数回归策略比较,从回测结果的各项指标来看,elastic net分位数回归策略可以通过调整不同的分位点来保留更加有效的因子,从而获得更高的年化收益率和超额收益率。

关键词： elastic net Lasso 多因子选股分位数回归

基于elastic net特征变量选择的SCR入口NO_(x)软测量模型

在线全文

学校读者我要写书评

暂无评论

中国测试 2021年第12期47卷 79-86页

作者：王印松陈瑞杰华北电力大学自动化系河北保定071003

在传统选择性催化还原反应器(selective catalytic reduction,SCR)入口NO_(x)软测量研究中,选取相关变量大多是基于机理分析方法,具有一定主观性。针对这一问题,提出elastic net方法结合最小二乘支持向量机(least squares support vecto... 详细信息

在传统选择性催化还原反应器(selective catalytic reduction,SCR)入口NO_(x)软测量研究中,选取相关变量大多是基于机理分析方法,具有一定主观性。针对这一问题,提出elastic net方法结合最小二乘支持向量机(least squares support vector machine,LSSVM)的SCR入口NO_(x)软测量模型。首先采用elastic net对潜在相关变量进行变量选择,该方法无需机理分析,避免变量选择的主观性。此外,elastic net克服最小绝对收敛和选择算子(least absolute shrinkage and selection operator,LASSO)变量选择时因数据内部存在共线性和群组效应而影响选择效果的问题。然后利用LSSVM具有的训练速度较快、泛化性能优良和非线性逼近能力强等优点,建立elastic net-LSSVM软测量模型。现场数据仿真结果表明:elastic net-LSSVM与LSSVM相比,在预测时均方根误差减小8.45%,使预测更准确,验证软测量模型的有效性,可为烟气脱硝系统的控制优化提供参考。

关键词： NO_(x)软测量 elastic net 特征变量选择 LSSVM

广义线性模型基于elastic net的变量选择方法研究

在线全文

学校读者我要写书评

暂无评论

广义线性模型基于Elastic Net的变量选择方法研究

作者：卢颖北京交通大学

学位级别：硕士

模型的变量选择是统计建模中很重要的问题之一,关于线性模型的变量选择研究,前人已经做了很多工作,尤其引人注目的是1996年Tibshirani提出的Lasso方法,它可以同时做到变量的选择和参数的估计。随着解决此类问题的有效算法LARS的提出,La... 详细信息

模型的变量选择是统计建模中很重要的问题之一,关于线性模型的变量选择研究,前人已经做了很多工作,尤其引人注目的是1996年Tibshirani提出的Lasso方法,它可以同时做到变量的选择和参数的估计。随着解决此类问题的有效算法LARS的提出,Lasso及其相关改进方法的研究已经成为了当今统计学界的热门问题。elastic net是Lasso的一种有效改进方法,它在处理微阵列数据方面要显著优于Lasso法,即当数据中的变量间存在组效应时,elasticnet方法能够将群变量全部选出。本文将该方法应用于广义线性模型,分别在Logistic模型和Poisson模型中推广了elastic net估计的这一性质,证明了这两种模型在研究数据存在组效应情况下,elastic net方法同样可以将群变量全部选出。另外,本文还通过实际的和模拟的数据例子,分析验证了elastic net方法相比于Lasso方法和Ridge方法在模型变量选择方面的良好表现。本文第一章回顾了普通线性模型和广义线性模型在变量选择方面的研究进展,第二章介绍了广义线性模型和elastic net方法的一些相关预备知识,第三章和第四章则将elastic net分别应用于Logistic模型和Poisson模型,给出了两种模型下elastic net估计的定义,讨论了该估计的组效应性质,并通过数据例子进行了分析和验证,文章最后对全文进行了总结并提出了一些有待进一步研究的问题。

关键词：广义线性模型变量选择 Lasso elastic net Logistic回归 Poisson回归

面板数据的贝叶斯elastic net分位数回归模型及其应用研究

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

面板数据的贝叶斯Elastic Net分位数回归模型及其应用研究

作者：赵力静厦门大学

学位级别：硕士

面板数据作为将截面数据和时间序列数据综合起来的二维数据类型,能提供更多的样本信息,在经济学、管理学、生物学等诸多领域有着广泛的应用。传统的面板数据模型实际上是一种条件均值模型,这种模型只能描述因变量的均值信息,而忽略了其... 详细信息

面板数据作为将截面数据和时间序列数据综合起来的二维数据类型,能提供更多的样本信息,在经济学、管理学、生物学等诸多领域有着广泛的应用。传统的面板数据模型实际上是一种条件均值模型,这种模型只能描述因变量的均值信息,而忽略了其它信息。分位数回归方法考虑了在不同分位点处自变量对因变量的影响,与传统的条件均值模型相比,不仅具有较好的稳健性,而且能够度量自变量对因变量尾部的影响,提供更加丰富的信息。因此,越来越多的学者开始采用面板数据分位数回归模型,而如何在对该模型进行参数估计的同时自动选择出重要解释变量,一直是值得探讨的热点问题之一。本文基于面板数据分位数回归模型,采用elastic net这一适用于处理高维数据和高度相关数据的惩罚方法,提出了面板数据的贝叶斯elastic net分位数回归模型(BQR.EN)这一新方法,并且推导出了各参数的全条件后验分布密度函数,进而构建Gibbs抽样。在模拟实验中,首先与BALQR模型、BLQR模型、BQR模型进行了多种情形下的全方位比较,然后将本文提出的BQR.EN模型在不同扰动项假设和不同样本量假设下进行参数估计效果的比较,结果表明BQR.EN模。型在处理高维数据和高度相关数据方面具有明显优势,在一定程度上弥补了基于Lasso惩罚的BLQR模型和基于adaptive Lasso惩罚的BALQR模型的不足;并且在扰动项的实际分布不符合ALD分布或者样本量较小的情况下也能取得较好的估计效果。在实证分析方面,为了探究互联网金融类上市公司EVA的影响因素,本文构建了面板数据的贝叶斯elastic net分位数回归模型,演示了新方法在实际问题中估计参数与挑选变量的能力。实证结果表明,盈利能力、创新能力和公司规模对互联网金融类上市公司经济增加值的影响最大。

关键词：面板数据 elastic net 分位数回归

基于半监督的带elastic net正则项BP神经网络在文本分类上的应用

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

基于半监督的带Elastic Net正则项BP神经网络在文本分类上的应用

作者：陈欣厦门大学

学位级别：硕士

随着大数据时代的来临,挖掘数据潜在的价值成为了各领域学者、工作者致力于研究的课题之一。文本数据承载着大量的信息,垃圾文本分类作为文本挖掘中经典的课题之一,虽然已经有了长足的发展,但提升垃圾文本分类器的精度一直都是人们追求... 详细信息

随着大数据时代的来临,挖掘数据潜在的价值成为了各领域学者、工作者致力于研究的课题之一。文本数据承载着大量的信息,垃圾文本分类作为文本挖掘中经典的课题之一,虽然已经有了长足的发展,但提升垃圾文本分类器的精度一直都是人们追求的目标。BP神经网络模型是一种非常有效的非线性模型,它通过模拟生物神经网络,可以较好的拟合线性不可分的数据,是进行分类问题的常用模型之一。现今,文本数据呈爆炸式增长,呈现数据量大、高纬度、“有标签”数据少“未标签”数据多等特点,传统的BP神经网络已不能很好地解决这些问题。本篇论文中,我采用改进后的BP神经网络进行改进,并结合基于图的半监督学习方法在垃圾文本分类问题上进行实证分析。本文的主要研究内容及成果如下:(1)对于传统BP神经网络模型,我加入了具备良好性质的elastic net正则项以防止BP神经网络在面对高维数据时出现的“过拟合”现象,并给出了带elastic net正则项的BP神经网络具备组效应性质的证明,同时,在Zhang[7]、范钦伟[8]等人的研究基础上,采取了光滑函数逼近的方法对带elastic net正则项的BP神经网络的收敛性进行分析。(2)讨论基于图的半监督学习算法,使用带elastic net正则项的BP神经网络结合基于图的半监督学习的组合模型,在垃圾文本数据集上进行实证分析,从结果中发现,带elastic net正则项的BP神经网络在处理“过拟合”现象上相较于BP神经网络表现出了其优越性,再结合基于图的半监督学习算法后,分类模型的精度也得到了提升,验证了该组合方法的有效性。

关键词： BP神经网络 elastic net 基于图的半监督