泛化性能相关论文
近年来,深度神经网络已经被广泛应用于计算机视觉等领域并取得了突破性的进展。然而,深度神经网络容易受到对抗样本的攻击。这些对......
近年来数据驱动的故障诊断方法被广泛研究,但是这些方法有效的一个前提条件是训练诊断模型的数据与待测试数据应需采集自相同的设......
第一部分:过敏原数据库ALLERGENIA 2.0目的:构建的以机器学习方法为基础的过敏原分类判别机器,准确的训练数据集是算法精确性和泛......
在基于基础设施即服务的云服务模式下,精准的虚拟机性能预测,对于用户在众多资源提供商之间进行虚拟机租用策略的制定具有十分重要......
目前说话人、环境及发音多样性仍是语音识别声学建模中需解决的主要难题,为了克服这些不利因素的影响,本文将经过三层结构优化后的......
分类是机器学习和数据挖掘领域的重要方法之一。现有的分类性能评估方法如误分率、召回率等通常将实例整体作为统计量,以评价分类......
特征选择作为维度约简的重要方法之一,一直活跃在机器学习与模式识别的研究舞台上。特征选择由于其本身的可解释性和对原特征的保......
扁平钢箱梁受力性能良好,施工便利,在大跨径悬索桥中应用广泛,大跨径桥梁因结构柔刚度小易发生颤振,颤振破坏危害大,后果严重。因......
神经网络集成通过训练多个神经网络并将其结论进行融合,可以显著地提高学习系统的泛化能力.本文从神经网络集成构造过程综述了提高......
实际中存在大量基于多分类的大样本数据集的问题。针对单一SVM解决该类问题时计算时间长、占用内存大等缺点,提出了一种分布式多分......
本文首先介绍了分类假设和所考虑的分类器,然后介绍了结构风险最小化与数据依赖的结构风险最小化,最后介绍了支持向量机的泛化性能......
针对化工领域数据建模中样本少,不适定性以及人工神经网络等方法在数据建模中的"过拟合",泛化性能差等问题.本文采用小波分析与......
随着深度学习在诸多应用领域不断地取得着巨大的成功,其应用成果也直观地影响着人们对以深度学习为核心要素的人工智能有了更新的认......
为了更好地实现对电力系统子网负荷的快速、准确预测,设计了一种通过优化核极限学习机实现的预测模型,同时建立了Cholesky分解的核......
分析水华发生的主要因素,研究水华的软测量主导变量确定方法与短期预测模型,RBF神经网络基函数中心、宽度和权值的监督学习方法,基......
监督半的学习是为机器学习的一个新兴的计算范例,那试图做大量便宜未标记的数据的更好的使用改进学习表演。当各种各样的方法基于不......
在传统T-S模型的基础上,提出一种扩展T-S模型.该模型由一组模糊规则组成,由规则前件实现输入空间的划分,将成员函数及其函数变换引......
针对卷积神经网络存在随着网络深度增加导致优化困难,识别正确率降低、泛化性能差等问题,在Res Net(残差网络)基础上,提出了一种基......
该论文对多层前向神经网络的算法进行了研究,并提出了基于数字处理芯片DSP的神 经网络实现方案.论文主要包括三个部分:首先,通过数......
该文首先对几种神经网络(BP网络、ELMAN网络、RBF网络)的算法和结构进行了理论分析,结合循环流化床锅炉的实际情况,从逼近性能和泛......
研究了一种通过调整减法聚类半径来优选模糊规则的结构辨识算法.先由减法聚类构造初始T-S模糊模型,然后通过粗调与细调相结合方式......
预分解新型干法是可实现规模化生产的最先进的水泥生产技术,该法已经成为当今水泥工业发展的主流,悬浮预热和窑外预分解是其核心技......
神经网络技术是20 世纪末迅速发展起来的一门新技术。由于神经网络具有强大的非线性映射能力、自学习适应能力等优点,因此,在控制......
钢铁业长期以来一直在国民经济发展中占主导地位.但近年来,随着社会发展与科学技术的进步,以及市场竞争的日益严峻,一方面用户对钢......
在传统的机器学习中,学习器通过对大量有标记样本进行学习来建立模型预测新样本的标记。但是收集大量数据相对容易,而对这些大量数据......
函数的支持向量估计方法被众多机器学习和模式识别研究者认为是现代机器学习最为成功的技术之一。支持向量机(SVM)试图在核诱导特......
在传统机器学习研究中,学习对象仅由一个类别标记来描述其语义概念。而在许多实际应用中,学习对象往往同时与多个语义概念相关联。多......
类别不平衡问题是指各个类别的样本数差异明显,某些类别样本数远远小于其他类别,小类别是关注的重点。但标准分类算法假设所有样本的......
支持向量机(Support Vector Machine, SVM)是实现统计学习理论的通用学习方法,其优异的泛化性能使得支持向量机在模式识别、回归分......
集成学习使用多个学习器来解决同一问题,能够显著提高学习系统的泛化能力,成为近年来机器学习领域中一个重要的研究方向。尽管集成......
分类技术在一些领域已经得到了成功应用,其精度和泛化能力也得到很大提高,但是随着时代的进步和科学技术的不断发展,人们对分类的......
传统的粒子群算法(PSO)具有很强的全局搜索能力,但易于失去多样性,因而导致早熟收敛。本文通过将问题中蕴含的先验约束编码进PSO中......
针对垃圾分类数据集,本文采用基于Imagenet数据集的迁移参数初始化Efficient-net模型,与经典的VGG和ResNet50模型对比,得到了较高......
航母/舰载机系统是海军最强大的武器系统,但是受跑道狭窄、甲板运动、海况复杂等因素的影响,舰载机进近着舰一直被视为一项高难度......
强化学习以马尔可夫决策过程为基础,普遍适用于各类序列决策与规划问题的建模,因此在机器学习研究中受到了越来越多的关注,并部署......
决策树是数据挖掘中常用的分类和回归方法之一。本文主要讨论分类决策树。顾名思义,决策树为树状结构,从根结点开始逐渐开枝散叶,......
报文分类问题是计算机网络的一个基本问题,主要研究如何高效的对进入网络设备的报文进行分析判断,并决定应用何种方式来处理报文。......
近年来,深度学习算法得到了长足的发展,并开始应用于云检测。但是深度神经网络模型参数众多,依赖大量训练样本,因此理解其泛化性能......
生成对抗网络(Generative Adversarial Networks,GANs)已经成为计算机视觉、自然语言和语音处理等领域中一个热门研究方向。然而,......
近些年来,神经网络模型已经成为机器学习中一种广泛使用的模型,并且在许多任务上取得了巨大的成功。研究神经网络模型的泛化性能也......
探讨了BP神经网络和广义回归神经网络在汽车起重机幅度预测中的应用方法,结合实测数据对比了不同神经网络结构的计算精度和泛化性......
器官或肿瘤的精确分割对于医生诊断和预测疾病至关重要.与传统的特征工程相比,经典的U-Net模型在生物医学图像分割中具有较好的性......