多輸出數(shù)據(jù)支持向量回歸學習算法
大小：0.72 MB 人氣： 2017-12-05 需要積分：1
針對基于遞推下降法的多輸出支持向量回歸算法在模型參數(shù)擬合過程中收斂速度慢、預測精度低的情況，使用一種基于秩2校正規(guī)則且具有二階收斂速度的修正擬牛頓算法（ BFGS）進行多輸出支持向量回歸算法的模型參數(shù)擬合，同時為了保證模型迭代過程中的下降量和全局收斂性，應用非精確線性搜索技術確定步長因子。通過分析支持向量機（SVM）中核函數(shù)的幾何結(jié)構(gòu)，構(gòu)造數(shù)據(jù)依賴核函數(shù)替代傳統(tǒng)核函數(shù)，生成多輸出數(shù)據(jù)依賴核支持向量回歸模型。將模型與基于梯度下降法、修正牛頓法擬合的多輸出支持向量回歸模型進行對比。實驗結(jié)果表明，在200個樣本下該算法的迭代時間為72. 98 s，修正牛頓法的迭代時間為116. 34 s，遞推下降法的迭代時間為2065. 22 s。所提算法能夠減少模型迭代時間，具有更快的收斂速度。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
多輸出數(shù)據(jù)支持向量回歸學習算法下載
相關電子資料下載
- 大模型卷價格，向量數(shù)據(jù)庫“卷”什么？ 1556
- 開源芯片系列講座第20期：基于RISC-V向量擴展的開源GPGPU軟硬件設計 140
- 如何利用一些小技巧實現(xiàn)SVM的增量式訓練 321
- 深度解析機器學習各大模型原理 1144
- 泛林集團宣布推出全球首款面向量產(chǎn)的脈沖激光沉積（PLD）機臺 715
- 搭載英偉達GPU，全球領先的向量數(shù)據(jù)庫公司Zilliz發(fā)布Milvus2.4向量數(shù)據(jù)庫 285
- 飛騰信息技術有限公司：復數(shù)向量卷積處理技術及設備 183
- Zilliz攜手大模型生態(tài)企業(yè)玩轉(zhuǎn)GDC 2024，向量數(shù)據(jù)庫和RAG成行業(yè)焦點 214
- 與NVIDIA深度參與GTC，向量數(shù)據(jù)庫大廠Zilliz與全球頂尖開發(fā)者共迎AI變革時刻 215
- 基于計算機視覺與機器學習技術的跌倒風險預測 227