用分等級增強型學習方法完成神經網絡任務分解.pdf_第1頁
已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、為了解決現階段的神經網絡分類器的一些缺陷,比如分類問題過于復雜時導致網絡結構變得龐大,出現劇烈的內部干擾,訓練和檢驗精度都下降等問題.該論文中,提出了一種新的任務分解方法——分等級增強型類別學習方法(Hierarchical incremental class learning).在這種方法中,一個K個類別的問題被劃分為K個子問題.使用一個分等級的具有k個子網絡的結構對這些問題進行串行學習.每個子網絡都使用在它直接下級的子網絡的輸出和整

2、個系統的原有輸入做為它的輸入.而每一個子網絡的輸出都比它直接下級的子網絡的輸出多包含一個類別,并且該輸出輸入到它前面的子網絡.這樣不僅可以減少隱藏層之間對整個系統輸出不利的關聯信息,而且還有助于在訓練中類別之前相互傳遞信息.排在后面訓練的網絡可以得到從前面的網絡訓練中得到的信息.同時論文提供了兩種排序的算法:最小化邊際效應排序法和基于Fisher線性判別式的最小化邊際效應排序法.采用這兩種方法來決定子網絡間的等級關系.在試驗中,使用了構

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論