資源描述：
《關(guān)于隨機(jī)權(quán)網(wǎng)絡(luò)的1稀疏正則化與adaboost算法及其應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文MASTERDISSERTATION關(guān)于隨機(jī)權(quán)網(wǎng)絡(luò)的?1稀疏正則化與Adaboost算法及其應(yīng)用研究TheResearchon?1SparseRegularizationandAdaboostAlgorithmsforNeuralNetworkswithRandomWeights作者王學(xué)軍導(dǎo)師曹飛龍教授趙建偉教授學(xué)科應(yīng)用數(shù)學(xué)中國(guó)計(jì)量學(xué)院二〇一四年六月萬方數(shù)據(jù)TheResearchon?1SparseRegularizationandAdaboostAlgorithmsforNeuralNetworkswithRandomWeightsByWangXuejunADiss
2、ertationSubmittedtoChinaJiliangUniversityInpartialfulfillmentoftherequirementForthedegreeofMASTERofScienceChinaJiliangUniversityJune,2014萬方數(shù)據(jù)中圖分類號(hào)TP.183學(xué)校代碼10356UDC密級(jí)公開碩士學(xué)位論文MASTERDISSERTATION關(guān)于隨機(jī)權(quán)網(wǎng)絡(luò)的?1稀疏正則化與Adaboost算法及其應(yīng)用研究TheResearchon?1SparseRegularizationandAdaboostAlgorithmsforNeuralNetw
3、orkswithRandomWeights作者王學(xué)軍導(dǎo)師曹飛龍教授趙建偉教授申請(qǐng)學(xué)位理學(xué)碩士培養(yǎng)單位中國(guó)計(jì)量學(xué)院學(xué)科專業(yè)應(yīng)用數(shù)學(xué)研究方向神經(jīng)網(wǎng)絡(luò)、模式識(shí)別二〇一四年六月萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果，除了文中特別加以標(biāo)注和致謝之處外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得中國(guó)計(jì)量學(xué)院或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文作者簽名:簽字日期:年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解中國(guó)計(jì)量學(xué)院有關(guān)保留
4、、使用學(xué)位論文的規(guī)定。特授權(quán)中國(guó)計(jì)量學(xué)院可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。（保密的學(xué)位論文在解密后適用本授權(quán)說明）學(xué)位論文作者簽名:導(dǎo)師簽名：簽字日期:年月日簽字日期:年月日萬方數(shù)據(jù)致謝在中國(guó)計(jì)量學(xué)院的三年研究生生活馬上就要結(jié)束了,在本文即將完成之際,我要衷心感謝導(dǎo)師曹飛龍教授和趙建偉教授對(duì)本人的精心指導(dǎo),兩位導(dǎo)師嚴(yán)肅的科學(xué)態(tài)度,以及精益求精的工作作風(fēng)深深地感染和激勵(lì)著我.他們的言傳身教將使我終生受益,記著每一次討論班曹老師和趙老師都會(huì)提出新穎的觀點(diǎn),
5、啟發(fā)我們思考,讓我們從中完善和擴(kuò)充思路.在生活上,兩位導(dǎo)師也給以無微不至的關(guān)懷,在此謹(jǐn)向曹老師和趙老師致以誠(chéng)摯的謝意和崇高的敬意.感謝李有梅、周正華、張永全、銀俊成等各位老師對(duì)我學(xué)習(xí)上的指導(dǎo)和幫助.感謝談元鵬、李明、王琳娜、夏晟、戴騰輝各位師兄師姐在學(xué)術(shù)和生活上給予的幫助.感謝張永立、符艷清、蔡苗苗、陸晶等同學(xué)陪伴我度過了愉快又有意義的三年研究生生活,感謝11級(jí)數(shù)學(xué)1班所有的同學(xué),與你們?cè)谝黄鸬娜兆映錆M歡聲笑語,還要感謝陪我一起打籃球的兄弟們,讓我在科研的同時(shí)感受到運(yùn)動(dòng)帶來的快樂!最后,衷心感謝父母對(duì)我的養(yǎng)育之恩,感謝他們對(duì)我的理解與支持,誰言寸草心，報(bào)得三春暉!王學(xué)軍2014年
6、6月萬方數(shù)據(jù)關(guān)于隨機(jī)權(quán)網(wǎng)絡(luò)的?1稀疏正則化與Adaboost算法及其應(yīng)用研究摘要：人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks,ANNs)是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型,其已有相當(dāng)廣泛的應(yīng)用.相對(duì)于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)算法,隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)(NeuralNetworkswithRandomWeights,NNRW)算法不但訓(xùn)練速度快,而且逼近性能較好,因此,它越來越受到人們的關(guān)注,并已被廣泛應(yīng)用于各領(lǐng)域之中.本論文首先分析了三種不同的稀疏重構(gòu)算法在音頻信號(hào)重構(gòu)中的優(yōu)缺點(diǎn),這三種算法分別是正交匹配追蹤算法、迭代收縮閾值法、增廣拉格朗日乘子法.這一部分使我們深入理解稀
7、疏重構(gòu)算法.然后,針對(duì)隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)算法,結(jié)合稀疏重構(gòu)算法及集成學(xué)習(xí)的思想,提出了兩種有效的算法——稀疏正則化算法和自適應(yīng)的隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)算法.隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)雖然是一種有效的前饋神經(jīng)網(wǎng)絡(luò)(FNNs),尤其是內(nèi)權(quán)和偏置值的隨機(jī)選取極大地提高了網(wǎng)絡(luò)的學(xué)習(xí)速率,并克服了其他學(xué)習(xí)算法的一些不足.但是,其在計(jì)算外權(quán)的過程中也存在著缺陷,比如穩(wěn)定性較差,計(jì)算內(nèi)存消耗過大.我們就此缺陷提出了一個(gè)新的算法——稀疏正則化算法.我們結(jié)合梯度投影算法給出了一種隨機(jī)權(quán)網(wǎng)絡(luò)外權(quán)的迭代解,并提出了相應(yīng)的參數(shù)
