您的位置: 专家智库 > >

国家自然科学基金(11201051)

作品数:2 被引量:4H指数:1
相关作者:杨洁吴微刘燕姚明臣更多>>
相关机构:大连理工大学大连工业大学黑龙江大学更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术交通运输工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇自动化与计算...
  • 1篇交通运输工程

主题

  • 1篇正则
  • 1篇正则化
  • 1篇正则化方法
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络权值
  • 1篇收敛性
  • 1篇权值
  • 1篇网络权值
  • 1篇稀疏化
  • 1篇模糊感知器
  • 1篇感知器
  • 1篇L1

机构

  • 1篇大连工业大学
  • 1篇大连理工大学
  • 1篇黑龙江大学

作者

  • 1篇姚明臣
  • 1篇刘燕
  • 1篇吴微
  • 1篇杨洁

传媒

  • 1篇黑龙江大学自...
  • 1篇中国科学:数...

年份

  • 1篇2015
  • 1篇2013
2 条 记 录,以下是 1-2
排序方式:
基于特定随机输入样本的模糊δ规则的收敛性
2013年
讨论在样本模糊可分条件下,基于特定随机输入样本的模糊δ规则的收敛性。基于特定随机输入是指样本按轮次输入网络,每一轮按照随机排序选取样本。证明在训练过程中权值单调下降,并最终达到收敛,给出了学习步长的选取范围。
刘燕姚明臣
关键词:模糊感知器
用于神经网络权值稀疏化的L_(1/2)正则化方法被引量:4
2015年
在保证适当学习精度前提下,神经网络的神经元个数应该尽可能少(结构稀疏化),从而降低成本,提高稳健性和推广精度.本文采用正则化方法研究前馈神经网络的结构稀疏化.除了传统的用于稀疏化的L1正则化之外,本文主要采用近几年流行的L1/2正则化.为了解决L1/2正则化算子不光滑、容易导致迭代过程振荡这一问题,本文试图在不光滑点的一个小邻域内采用磨光技巧,构造一种光滑化L1/2正则化算子,希望达到比L1正则化更高的稀疏化效率.本文综述了近年来作者在用于神经网络稀疏化的L1/2正则化的一些工作,涉及的神经网络包括BP前馈神经网络、高阶神经网络、双并行前馈神经网络,以及Takagi-Sugeno模糊模型.
吴微杨洁
关键词:神经网络稀疏化
共1页<1>
聚类工具0