训练算法
训练算法的相关文献在1991年到2022年内共计177篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、经济计划与管理
等领域,其中期刊论文124篇、会议论文12篇、专利文献142636篇;相关期刊93种,包括科技广场、科技信息、福建电脑等;
相关会议12种,包括第十届全国信息获取与处理学术会议、第十五届全国信号处理学术年会、2010中国西部地区声学学术交流会等;训练算法的相关文献由372位作者贡献,包括郭崎、陈云霁、陈天石等。
训练算法—发文量
专利文献>
论文:142636篇
占比:99.90%
总计:142772篇
训练算法
-研究学者
- 郭崎
- 陈云霁
- 陈天石
- 刘少礼
- 张松兰
- 焦李成
- 蒋伟进
- 郑玉明
- 刘晓莉
- 史晶蕊
- 廖湖声
- 邱念
- 丁世飞
- 任玉艳
- 何虎
- 余陆斌
- 侯彪
- 党建武
- 公茂果
- 刘强
- 刘彬
- 刘新平
- 刘若辰
- 史文茂
- 史旭东
- 吉内什·J·杰恩
- 吴家骥
- 吴泉源
- 哈珀丽特辛格·班瓦伊特
- 唐磊
- 姬旺田
- 姬水旺
- 尚瑛杰
- 尤昌德
- 张凯
- 张向荣
- 张士锦
- 张天亮
- 戎海武
- 朱刚
- 朱斌
- 李佳峻
- 李宇波
- 李辉
- 杜启亮
- 汪西莉
- 熊伟丽
- 熊羽星
- 王壮
- 王文娜
-
-
宋紫朝
-
-
摘要:
为找出桥梁工程位移估算的标准模型,本文基于Feed神经网络、Elman神经网络、Time神经网络和Cascade神经网络共4种人工神经网络模型,采用traincgb算法、trainrp算法、traincgf算法和traincgp算法等14种训练算法训练模型,构建了16种模型,并以均方根误差(RMSE)、相对均方根误差(RRMSE)、决定系数(R2)、平均绝对误差(MAE)、效率系数(Ens)评价不同模型精度,结果表明:14种训练算法的运行效率有所差别,traincgb算法、trainrp算法、traincgf算法和traincgp算法的运行效率最高;不同模型精度有所差异,其中,Cascade神经网络模型在trainrp算法训练下的精度最高。
-
-
盛蕾;
陈希亮;
康凯
-
-
摘要:
神经网络优化是机器学习领域的一个基础性前沿课题。相较于神经网络的纯梯度优化算法,非梯度算法在解决收敛速度慢、易陷入局部最优、无法解决不可微等问题上表现出更大的优势。在剖析基于梯度的神经网络方法优缺点的基础上,重点对部分非梯度优化方法进行了综述,包括前馈神经网络优化和随机搜索优化;从基本理论、训练神经网络的步骤以及收敛性等方面对非梯度优化方法的优缺点和应用情况进行了分析;总结了基于非梯度的训练神经网络的算法在理论和应用方面面临的挑战并且展望了未来的发展方向。
-
-
本刊讯
-
-
摘要:
为了解决可应用于更广泛患者群体的医学问题,机器学习模型依赖于来自各种机构的大型、多样的数据集。但是,由于法律、隐私和文化方面的限制,卫生系统和医院通常难以共享患者数据。近日发表在Scientific Reports杂志上的一项研究表明,一种称为联合学习(Federated Learning)的新兴技术可以解决这一难题。联合学习是谷歌首创的用于键盘输入自动更正的一种方法,它在多个分散的设备或服务器上训练算法,这些设备或服务器保存本地数据样本,而无需进行数据样本交换。
-
-
-
-
摘要:
物联网的发展为许多企业带来了令人兴奋的机会,也让个人生活变得更加轻松惬意,同时提高了许多企业的效率、生产力和安全性。当下,人工智能可能是其新的催化剂。早在2017年,人工智能和物联网就被认为是颠覆性的里动因素。人工智能使物联网获取感知与识別能力、物联网为人工智能提供训练算法的数据,在商业层面,二者共同作用于实体经济,促使产业升级、体验优化。
-
-
刘鹤;
季宇;
韩建辉;
张悠慧;
郑纬民
-
-
摘要:
长短期记忆(long short-term memory,LSTM)网络是一种循环神经网络,其擅长处理和预测时间序列中间隔和延迟较长的事件,多用于语音识别、机器翻译等领域.然而受限于内存带宽的限制,现今的多数神经网络加速器件的计算模式并不能高效处理长短期记忆网络计算;而阻变存储器交叉开关结构能够以存内计算形式完成高效、高密度的向量矩阵乘运算,从而成为一种高效处理长短期记忆网络的极具潜力的加速器设计模式.研究了面向阻变存储器的长短期记忆神经网络加速器模拟工具以及相应的神经网络训练算法.该模拟工具能够以时钟驱动的形式模拟设计者提出的以阻变存储器交叉开关结构为核心加速部件的长短期记忆加速器微体系结构,从而进行设计空间探索;同时改进了神经网络训练算法以适应阻变存储器特性.这一模拟工具基于System-C实现,且对于核心计算部分实现了图形处理器加速,可以提高阻变存储器器件的仿真速度,为探索设计空间提供便利.
-
-
牛德姣;
刘亚文;
蔡涛;
彭长生;
詹永照;
梁军
-
-
摘要:
The existing methods of fall detection have poor adaptability and limited functions.In this paper,a recurrent neural network based fall detection system is introduced to improve the performance of fall detection and to make it able to identify more dangerous near-falls by exploring the relationship of the position sensor data.Firstly,a serialization representation method on position sensor data,training and test data is designed as the basis for intrinsic relationship exploration.Then,the training algorithm for RNN based fall detection is proposed,where the fall detection is transformed into a classification problem of the input sequence.Finally,using the large-scale RNN system based on distributed neurons,the fall detection system is implemented on the Spark platform.Evaluations are carried out on Fall adl data.The experimental results prove that the proposed system can improve the precision and recall of fall detection effectively.Compared with the existing fall detection systems,F-measure has improved by 12% and 7%,respectively.Moreover,the system is also able to detect the near-fall behavior effectively which helps provide timely protective measures to reduce the damage caused by falls.%针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果.首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害.
-
-
-
-
杨榛;
乔文明;
梁晓怿
-
-
摘要:
如何控制和预测孔结构是炭气凝胶研究的重要课题.然而,由于耗时耗财,导致实验方法研究控制和预测孔结构成为难题.本文提出一种基于神经网络的炭气凝胶孔结构的预测与优化模型,并采用遗传算法设计和优化模型,对六种典型训练算法模型性能进行比较分析.利用该模型对孔径和吸附容量进行预测,两者的预测相关系数分别为0.992和0.981,预测均方根误差分别为0.077和0.054.经测试,该模型与实验研究的结果相符,并有效的应用于预测和控制炭气凝胶实验参数.%An intelligent simulation method for predicting and optimizing the pore structure of carbon aerogels is proposed by using an artificial neural network ( ANN) algorithm. The ANN model has been optimized based on an improved genetic algorithm from six typical training algorithms. The volumes and diameters of pores in the simulated samples are predicted by the optimized ANN model, which shows correlation coefficients R2 of 0. 992 and 0. 981 and root-mean-square prediction errors ( RMSPE) of 0. 077 and 0. 054 between the predicted and experimental values for the volumes and diameters of pores, respectively. The proposed model is expected to have practical applications in the pore structure control of carbon aerogels.
-
-
翟俊海;
张素芳;
郝璞
-
-
摘要:
Deep learning is the most popular research topic in the field of machine learning, AlphaGo which overwhelmingly impacts the world is trained with deep learning algorithms. Convolution neural network (CNN) is a model trained with deep learning algorithm, CNN is widely and successfully applied in computer version. The main purpose of this paper includes two aspects: one is to provide readers with some insights into CNN including its architecture, related concepts, operations and its training; the other is to present a comprehensive survey on research advances of CNN, mainly focusing on 4 aspects: activation functions, pooling, training and applications of CNN. Furthermore, the emerging challenges and hot research topics of CNN are also discussed. This paper can be very helpful to researchers in related field.%深度学习是目前机器学习领域最热门的研究方向,轰动全球的AlphaGo就是用深度学习算法训练的.卷积神经网络是用深度学习算法训练的一种模型,它在计算机视觉领域应用广泛,而且获得了巨大的成功.本文的主要目的有2个:一是帮助读者深入理解卷积神经网络,包括网络结构、核心概念、操作和训练;二是对卷积神经网络的近期研究进展进行综述,重点综述了激活函数、池化、训练及应用4个方面的研究进展.另外,还对其面临的挑战和热点研究方向进行了讨论.本文将为从事相关研究的人员提供很好的帮助.
-
-
孙健;
张雄伟;
孙新建
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类。由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突。实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能。
-
-
-
李明;
杨承;
舒宇
- 《2007年首届仪表、自动化与先进集成技术大会》
| 2007年
-
摘要:
基于梯度的神经网络训练算法收敛速度慢且易陷入局部最优,并且算法收敛依赖网络参数的初始值。现有基于PSO算法的训练算法虽然可以提高算法收敛速度,但是由于微粒群尺寸随着神经网络规模的扩大而增大,从而导致算法复杂性急剧增加,并且存在过早收敛问题。为此,本文提出了一种改进的神经网络PSO训练算法,该算法仅用到两个微粒子,且可以证明算法以概率1收敛到全局最优。仿真实例表明,本文提出的算法不仅收敛速度快、收敛精度高,并且算法收敛不依赖于网络参数的初始值。
-
-
-
-
汪西莉;
焦李成;
冯德明
- 《第七届中国人工智能联合学术会议》
| 2003年
-
摘要:
用支撑矢量机(SVM)分类时,针对大规模数据集,SVM的训练成为一个难题.提出了一种采用样本到某一类的马氏距离来提取可能为支撑矢量的数据的方法,同时阐明了如何解决在输入空间和特征空间中求马氏距离所遇到的问题.利用特征值、特征矢量及伪逆运算的并行计算方法,建立了一种提取支撑矢量的快速算法,用该方法对训练数据进行预处理后,可以加快SVM的训练速度.实验结果也表明了该方法的有效性.
-
-
蒋伟进
- 《中国自动化学会全国青年学术年会》
| 2002年
-
摘要:
针对传统的图像重构算法的不足,提出一种基于小波神经网络的图像重建快速学习算法.运用小波神经网络对图像重构进行了仿真研究.实验表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,收敛速度快,近似精度高,而且网络规模比较小,计算量少.对计算机视觉和图像处理具有良好的应用价值.
-
-
-