• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Chinese Control Conference >T-Distributed Stochastic Neighbor Embedding with Gauss Initialization of Quantum Whale Optimization Algorithm
【24h】

T-Distributed Stochastic Neighbor Embedding with Gauss Initialization of Quantum Whale Optimization Algorithm

机译：量子鲸鱼优化算法高斯初始化的T分布随机邻居嵌入

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

T-distributed stochastic neighbor embedding is an important nonlinear dimensionality reduction algorithm in manifold learning, which has great application value in big data, data mining, machine learning, deep learning and other fields. The essence of its algorithm is to solve the minimum value problem of KL divergence. Because KL divergence is a convex function, gradient descent method or stochastic gradient descent method are often used to solve it. However, the global convergence of gradient dependent method is poor, so the main purpose of this paper is to introduce the quantum whale optimization algorithm with Gaussian initialization into the optimization part of t-SNE.
机译：T分布随机邻居嵌入是流形学习中一种重要的非线性降维算法，在大数据，数据挖掘，机器学习，深度学习等领域具有重要的应用价值。其算法的本质是解决KL散度的最小值问题。由于KL发散是一个凸函数，因此通常使用梯度下降法或随机梯度下降法来求解。但是，梯度依赖方法的全局收敛性较差，因此本文的主要目的是将具有高斯初始化的量子鲸鱼优化算法引入t-SNE的优化部分。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号