《现代信息处理与计算若干问题研究》

点击下载 ⇩

该项目研究神经网络在线梯度法这种随机型学习方法在某些情况下的确定型收敛结果,这对于一般情况下得到的概率型收敛结果是有益的补充,有助于更全面更深刻地理解和应用在线梯度法。具体成果包括:改进已有的确定型收敛性结果中的步长条件;对高阶神经网络设计更为精巧和有效的学习方法,例如在误差函数中加上对小权值的一种惩罚,从而加快学习初期的收敛速度;用高阶神经网络高效率地实现布尔函数;利用课题组已经证明的“模糊神经元的阈值在用于分类时可能是多余的”这一有趣事实,研究模糊神经网络和普通神经网络的区别与特点;给出参数选择、加速收敛策略设计等实用信息。

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。