【摘 要】
：
在人工智能领域,循环神经网络(Recurrent Neural Network,RNN)的计算性能依赖于网络超参数的微调。当前,这些超参数主要凭经验调整或详尽的搜索算法来设置,计算成本高。我们的目标是通过使用群体智能为长短期记忆网络(Long Short-Term Memory networks,LSTM)找到超参数的最佳组合来优化RNN性能。在本文中,我们提出了一种混沌粒子群算法(chaotic
论文部分内容阅读
在人工智能领域,循环神经网络(Recurrent Neural Network,RNN)的计算性能依赖于网络超参数的微调。当前,这些超参数主要凭经验调整或详尽的搜索算法来设置,计算成本高。我们的目标是通过使用群体智能为长短期记忆网络(Long Short-Term Memory networks,LSTM)找到超参数的最佳组合来优化RNN性能。在本文中,我们提出了一种混沌粒子群算法(chaotic particle swarm optimization,CPSO)对LSTM模型的超参数进行优化,构建了新的LSTM模型,并用于亚马逊网站优质食品评价数据集的情感分析。LSTM是RNN的变体,它适用于预测不同应用中的时间序列。而CPSO是一种进化算法,其工作原理是通过粒子群在高维空间的搜索找到最佳解决方案。在自然语言处理(Natural Language Processing,NLP)中,情感分析是一项流行的应用程序,它主要用于挖掘文本观点。我们使用的亚马逊优质食品评价数据集,它共有评论568,454条,涉及到食品的10个特性。该数据集评价得分为1至5分。其中1-2分为消极评价,3分为中性评价,4-5分则为积极评价。我们使用具有超参数最佳组合的CPSO-LSTM混合方法构建模型,并对上述数据集进行情感分析,表现出良好的分类性能。
其他文献
在当今,科技高速发展,网络社交媒体的使用度越来越高,比起报纸、电视和广播,人民更习惯从新媒体得到和传播信息。据数据显示Twitter是当前全球各国用户使用频率最高的社会化媒体之一,根据Twitter发布的20179年一季度的财报,活跃用户数方面,一季度推特可货币化每日活跃用户(Average monetizable daily active users)数量为1.34亿,高于去年同期的1.2亿以及
近年来分数阶微积分正逐步成为应用科学领域内一个新的学科分支。但长时间由于缺乏明显的物理意义和几何解释以及分数阶微积分自身的复杂性,很少被用来解决物理以及工程中遇
本论文主要研究复平面上区域的推广的QED常数M2,2,特别地,研究了区域的推广QED常数M2,2与拟共形边界伸缩商之间的联系.在推广的QED常数M2,2被退化的连续统序列{An},{Bn}达到
软集是一种用来处理不确定性问题的数学工具,它已广泛应用于决策问题中.本文提出一种基于灰色关联分析与MYCIN确定因子的模糊软集或直觉模糊软集的决策方法.首先,对数据进行
非线性现象广泛存在于数学、物理、生物等现代科学领域中,而这些现象大部分都可以抽象为某一种非线性方程,所以描述非线性问题的的演化方程越来越成为研究者们探讨的主要问题
本文主要研究半环上的模糊集、粗糙集和软集理论.利用模糊参数模糊软集、直觉模糊参数直觉模糊软集、粗糙软集等理论研究半环的性质和结构,同时利用这些性质处理现实生活中的
如今的很多航空航天结构逐渐朝着大型化、轻量化、柔性化方向发展,随着这种趋势,结构的厚度越来越小,对于薄壁结构的研究分析也显得越来越重要。镜像铣削是一种新型的加工方式,通过铣削装备-薄板-支承的形式进行布局对薄板进行加工,在这种新方式下对薄板的约束形式也成为了一个值得关注的问题。本文通过对薄板的模态研究来对这一问题进行阐释说明。本文从薄板振动微分方程出发,使用中心五点差分格式对矩形薄壁铝板的模态进行
网络上的演化博弈是考虑参与者之间存在异质性相互作用关系并且为有限理性后的博弈模型。与经典博弈论相比,网络上的演化博弈更真实地反映了在复杂现实当中参与者的决策行为
2015年股灾引发开放式基金巨额赎回潮;2016年债市危机又使得公募基金进一步收缩战线。流动性趋紧环境下,行业内部分化明显。受业务种类、人力资源、销售渠道、品牌知名度等因
工业生产系统运行的安全可靠是现代企业快速发展和持久盈利的重要保证。因此,保证系统正常运行的故障诊断技术在现代工业生产过程中有着至关重要的地位。随着大型工业系统的集成度高、复杂多变以及不确定性等特性使故障诊断技术面临巨大挑战。越来越智能化的工业自动化系统,一旦发生故障,就会直接造成系统瘫痪,甚至发生爆炸威胁人们的生命安全及财产安全。本文基于传统的故障诊断模型,针对复杂多变的工业自动化系统,提出了基于