赵志勇
- 作品数：4 被引量：48H指数：3
- 供职机构：武汉大学计算机学院更多>>
- 发文基金：国家自然科学基金江西省自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于极限学习的深度学习算法被引量：15
- 2015年
- 在使用传统的全局优化方法对整个深度信念网(DBN)进行优化的过程中需要大量的时间,且基于梯度的优化方法易陷入局部最优。为加快DBN的训练速度,将极限学习机(ELM)运用到DBN模型的训练中。分别将传统DBN与改进后的IDBN算法应用在手写体数据集MNIST、Binary Alphadigits数据集和USPS数据集上,实验结果表明,改进后的IDBN算法能够保证已有的学习准确性,提高学习的速度。
- 赵志勇李元香喻飞易云飞
- 关键词：极限学习机神经网络
- 透镜成像反学习策略在粒子群算法中的应用被引量：28
- 2014年
- 在PSO中引入反向学习策略(Opposite-Based Learning)可使粒子在搜寻过程中总能找到当前解的反向位置,增加了接近全局最优解的机会.然而,OBL仅在演化初期作用显著,在演化后期则需通过变异等手段来提高其"开发"能力.针对该问题,基于透镜成像原理,引入缩放因子和搜索半径两个可调参数进一步平衡了算法的"探索"和"开发"能力.实验表明该策略能够提高种群多样性和收敛性能.
- 喻飞李元香魏波徐星赵志勇
- 关键词：粒子群算法透镜成像
- 基于伊藤算法的改进人工蜂群算法被引量：2
- 2014年
- 针对人工蜂群算法(ABC)在求解复杂问题时出现的收敛速度慢、易陷入局部最优的缺点,在布朗运动和伊藤随机过程的启示下,借鉴伊藤算法的设计思想,提出了一种基于布朗运动的改进人工蜂群优化算法(BMABC)。在采蜜蜂和观察蜂阶段分别设计了不同的漂移算子和波动算子。漂移算子保证算法向着最优解的位置漂移,波动算子保证了解的多样性。分别使用ABC、GABC和BMABC对5个经典函数进行了测试。实验结果表明,BMABC算法具有收敛速度快、收敛精度高的特点,并具有良好的稳定性。
- 赵志勇李元香喻飞
- 关键词：人工蜂群算法
- 基于差分进化的因子分解机算法被引量：3
- 2016年
- 因子分解机(Factorization Machine,FM)算法是一种基于矩阵分解的机器学习算法,可用于求解回归、分类和排序等问题。FM模型中的参数求解使用的是基于梯度的优化方法,然而在样本较少的情况下,该优化方法收敛速度慢,且易陷入局部最优。差分进化算法(Differential Evolution,DE)是一种启发式的全局优化算法,具有收敛速度快等特性。为提高FM模型的训练速度,利用DE计算FM模型参数,提出了DE-FM算法。在数据集Diabetes、HorseColic以及音乐分类数据集Music上的实验结果表明,改进后的基于差分进化的因子分解机算法DE-FM在训练速度和准确性上均有所提高。
- 喻飞赵志勇魏波
- 关键词：差分进化算法
