基于半監督學習SSL算法的動態神經網絡結構設計
大小：0.86 MB 人氣： 2017-12-21 需要積分：2
針對神經網絡初始結構的設定依賴于工作者的經驗、自適應能力較差等問題，提出一種基于半監督學習（SSL）算法的動態神經網絡結構設計方法。該方法采用半監督學習方法利用已標記樣例和無標記樣例對神經網絡進行訓練，得到一個性能較為完善的初始網絡結構，之后采用全局敏感度分析法（GSA）對網絡隱層神經元輸出權值進行分析，判斷隱層神經元對網絡輸出的影響程度，即其敏感度值大小，適時地刪減敏感度值很小的神經元或增加敏感度值較大的神經元，實現動態神經網絡結構的優化設計，并給出了網絡結構變化過程中收斂性的證明。理論分析和Matlab仿真實驗表明，基于SSL算法的神經網絡隱層神經元會隨訓練時間而改變，實現了網絡結構動態設計。在液壓厚度自動控制（AGC）系統應用中，大約在160 s時系統輸出達到穩定，輸出誤差大約為0.03 mm，與監督學習（SL）方法和無監督學習（USL）方法相比，輸出誤差分別減小了0.03 mm和0.02 mm，這表明基于SSL算法的動態網絡在實際應用中能有效提高系統輸出的準確性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于半監督學習SSL算法的動態神經網絡結構設計下載
相關電子資料下載
- 神經網絡預測模型的構建方法 109
- CNN的定義和優勢 112
- 基于CNN的網絡入侵檢測系統設計 105
- 數據分析有哪些分析方法 82
- 數據分析與數據挖掘的區別 55
- rnn是遞歸神經網絡還是循環神經網絡 164
- rnn是什么神經網絡模型 162
- rnn是什么神經網絡 174
- 遞歸神經網絡結構形式主要分為 129
- 簡述遞歸神經網絡的計算過程 135