基于半監(jiān)督學(xué)習(xí)SSL算法的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論(0)
針對(duì)神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)的設(shè)定依賴于工作者的經(jīng)驗(yàn)、自適應(yīng)能力較差等問題,提出一種基于半監(jiān)督學(xué)習(xí)(SSL)算法的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)方法。該方法采用半監(jiān)督學(xué)習(xí)方法利用已標(biāo)記樣例和無標(biāo)記樣例對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到一個(gè)性能較為完善的初始網(wǎng)絡(luò)結(jié)構(gòu),之后采用全局敏感度分析法(GSA)對(duì)網(wǎng)絡(luò)隱層神經(jīng)元輸出權(quán)值進(jìn)行分析,判斷隱層神經(jīng)元對(duì)網(wǎng)絡(luò)輸出的影響程度,即其敏感度值大小,適時(shí)地刪減敏感度值很小的神經(jīng)元或增加敏感度值較大的神經(jīng)元,實(shí)現(xiàn)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化設(shè)計(jì),并給出了網(wǎng)絡(luò)結(jié)構(gòu)變化過程中收斂性的證明。理論分析和Matlab仿真實(shí)驗(yàn)表明,基于SSL算法的神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元會(huì)隨訓(xùn)練時(shí)間而改變,實(shí)現(xiàn)了網(wǎng)絡(luò)結(jié)構(gòu)動(dòng)態(tài)設(shè)計(jì)。在液壓厚度自動(dòng)控制(AGC)系統(tǒng)應(yīng)用中,大約在160 s時(shí)系統(tǒng)輸出達(dá)到穩(wěn)定,輸出誤差大約為0.03 mm,與監(jiān)督學(xué)習(xí)(SL)方法和無監(jiān)督學(xué)習(xí)(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(dòng)態(tài)網(wǎng)絡(luò)在實(shí)際應(yīng)用中能有效提高系統(tǒng)輸出的準(zhǔn)確性。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于半監(jiān)督學(xué)習(xí)SSL算法的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)下載
相關(guān)電子資料下載
- 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢(shì) 112
- 基于CNN的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)設(shè)計(jì) 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò) 164
- rnn是什么神經(jīng)網(wǎng)絡(luò)模型 162
- rnn是什么神經(jīng)網(wǎng)絡(luò) 174
- 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式主要分為 129
- 簡(jiǎn)述遞歸神經(jīng)網(wǎng)絡(luò)的計(jì)算過程 135