《神經網路中線上學習算法的收斂性》是依託大連理工大學,由吳微擔任醒目負責人的面上項目。
基本介紹
- 中文名:神經網路中線上學習算法的收斂性
- 依託單位:大連理工大學
- 項目類別:面上項目
- 項目負責人:吳微
- 批准號:19971012
- 申請代碼:A0504
- 負責人職稱:教授
- 研究期限:2000-01-01 至 2002-12-31
- 支持經費:10(萬元)
《神經網路中線上學習算法的收斂性》是依託大連理工大學,由吳微擔任醒目負責人的面上項目。
《神經網路中線上學習算法的收斂性》是依託大連理工大學,由吳微擔任醒目負責人的面上項目。項目摘要線上學習算法廣泛地套用於神經網路權值的最佳化計算,但其收斂性迄今尚未證明。主要難點在於無法用“和的平方”來壓倒“平方的和”。我們...
《BP神經網路線上學習算法的確定型收斂性》是依託大連理工大學,由吳微擔任醒目負責人的面上項目。項目摘要 本項目考慮人工神經網路權值學習中廣泛使用的線上梯度法的收斂性,這是神經網路研究對計算數學提出的一個新課題.在上一個自然科學...
《神經網路子空間學習算法的收斂性與魯棒性》是依託四川大學,由呂建成擔任項目負責人的面上項目。項目摘要 子空間學習是指從高維空間中學習隱含其中的有意義的低維結構。神經網路子空間學習算法由於其並行運算、線上學習的特點,已經被廣泛...
由於 Rosenblatt 等人沒能夠及時推廣感知機學習算法到多層神經網路上,又由於《Perceptrons》在研究領域中的巨大影響,及人們對書中論點的誤解,造成了人工神經領域發展的長年停滯及低潮,直到人們認識到多層感知機沒有單層感知機固有的缺陷及...
和W idrow- H off算法類似,在BP算法中,網路的權值和閾值通常是沿著網路誤差變化的負梯度方向進行調節的,最終使網路誤差達到極小值或最小值, 即在這一點誤差梯度為零。限於梯度下降算法的固有缺陷,標準的BP學習算法通常具有收斂...
① 網路能收斂到穩定的平衡狀態,並以其作為樣本的記憶信息;② 具有回憶能力,能夠從某一殘缺的信息回憶起所屬的完整的記憶信息。 離散Hopfield網路實現聯想記憶的過程分為兩個階段:學習記憶階段和聯想回憶階段。在學習記憶階段中,設計...
由Hebb提出的Hebb學習規則為神經網路的學習算法奠定了基礎。Hebb規則認為學習過程最終發生在神經元之間的突觸部位,突觸的聯繫強度隨著突觸前後神經元的活動而變化。在此基礎上,人們提出了各種學習規則和算法,以適應不同網路模型的需要。有效...
人工神經網路無需事先確定輸入輸出之間映射關係的數學方程,僅通過自身的訓練,學習某種規則,在給定輸入值時得到最接近期望輸出值的結果。作為一種智慧型信息處理系統,人工神經網路實現其功能的核心是算法。BP神經網路是一種按誤差反向傳播(...
本項目繼續前三個國家自然科學基金的工作,致力於快速有效的神經網路學習算法的構造與分析,包括以下重點內容:繼續研究神經網路線上梯度法這種最簡單的隨機型學習方法在某些情況下的確定型收斂性;推廣細化我們已得到的模糊神經元閾值在某些...
本文依據改進的BP神經網路算法,設計實現了一個集中供熱套用系統。該系統首先實現了輸入數據以及理想期望值的輸入工作;然後,對輸入數據進行處理,經過BP神經網路算法的學習訓練過程,最終能夠得到一個與期望值相對接近的供熱方案;最後,將...
《一種改進的RBF神經網路學習算法》是馬駿、尉廣軍撰寫的一篇論文。論文摘要 提出一種基於減聚類、K-means算法及改進的粒子群最佳化(PSO)算法的徑向基函式(RBF)神經網路混合學習算法.該算法首先使用減聚類確定隱層節點數和K-means初始聚類...
算法中,對獲勝神經元(最近鄰權向量)的選取是通過計算輸入樣本和權向量之間歐氏距離的大小來判斷的。與矢量量化(VQ)相比, LVQ 最突出的優點是其具有自適應性,它可以通過線上學習的方式獲得訓練樣本的碼本。分類 根據訓練樣本是否有監督...
可以有效的減少狀態維數,加快強化學習算法的收斂速度;⑵構建基於二型模糊推理的二型模糊強化學習模型,進一步提高算法處理不確定性的能力以及對噪聲干擾的魯棒性;⑶採用交叉熵最佳化方法最佳化模糊強化學習模型的隸屬度函式參數,以提高Q值函式...
除了神經網路Ⅰ的結果值,一組隨機的可調參數初始值也將進入到神經網路Ⅱ的學習進程中,從而保證神經網路Ⅱ獲得更加全面的信息。算法 適合的學習算法的選取將使 CNN 比單個神經網路更加全面,將獲得更適合的可調參量。Catala 研究得出,...
(3)網路模型與算法研究。在理論模型研究的基礎上構作具體的神經網路模型,以實現計算機模擬或準備製作硬體,包括網路學習算法的研究。這方面的工作也稱為技術模型研究。(4)人工神經網路套用系統。在網路模型與算法研究的基礎上,利用人工...
3.混合模糊神經網路 模糊神經網路就是具有模糊權係數或者輸入信號是模糊量的神經網路。上面三種形式的模糊神經網路中所執行的運算方法不同。模糊神經網路無論作為逼近器,還是模式存儲器,都是需要學習和最佳化權係數的。學習算法是模糊神經...
9.4 模糊格神經網路 9.5 遞歸自組織模糊推理網路 十 統計學習理論 10.1 學習理論的背景 10.2 學習過程一致性理論 10.3 學習過程收斂率的界限 10.4 控制學習機泛化性能的理論 10.5 構造學習算法的理論 10.6 結論 參考文獻 ...