RBF神经网络的梯度下降训练方法中的学习步长优化 被引量：21

1

作者 林嘉宇 刘荧 《信号处理》 CSCD 2002年第1期43-48,共6页

梯度下降法是训练ＲＢＦ神经网络的一种有效方法。和其他基于下降法的算法一样，ＲＢＦ神经网络的梯度下降训练方法中也存在学习步长的取值问题。本文基于误差能量函数对学习步长的二阶Ｔａｙｌｏｒ展开，构造了一种优化学习步长的方法... 梯度下降法是训练ＲＢＦ神经网络的一种有效方法。和其他基于下降法的算法一样，ＲＢＦ神经网络的梯度下降训练方法中也存在学习步长的取值问题。本文基于误差能量函数对学习步长的二阶Ｔａｙｌｏｒ展开，构造了一种优化学习步长的方法，进行了较详细的推导：实验表明，本方法可有效地加速梯度下降法的收敛速度、提高其性能。该方法的思想可以用于其他基于下降法的学习步长的优化中。 展开更多

关键词 梯度下降法 学习步长优化 RBF神经网络

在线阅读 下载PDF 职称材料

一种联合的时序数据特征序列分类学习算法 被引量：4

2

作者 史苇杭 林楠 《计算机工程》 CAS CSCD 北大核心 2016年第6期196-200,207,共6页

针对时序数据特征学习中特征序列占用空间大和运算复杂度高的问题,提出一种联合学习特征序列和分类参数的分类算法。对时序数据进行特征变换后,采用线性分类器从最小距离矩阵中学习模型参数,以预测目标变量。在目标函数中,对分类预测的... 针对时序数据特征学习中特征序列占用空间大和运算复杂度高的问题,提出一种联合学习特征序列和分类参数的分类算法。对时序数据进行特征变换后,采用线性分类器从最小距离矩阵中学习模型参数,以预测目标变量。在目标函数中,对分类预测的损失函数和分类器的线性权重进行联合学习,并利用随机梯度下降法求解优化问题。实验结果表明,与F-Stat和表达式变换方法相比,该算法在保持较少运算时间的前提下,具有较高的分类预测准确率。 展开更多

关键词 时序数据 机器学习 随机梯度下降法 优化算法 分类

在线阅读 下载PDF 职称材料

基于S-BGD和梯度累积策略的改进深度学习方法及其在光伏出力预测中的应用 被引量：26

3

作者 黎静华 黄乾 +1 位作者 韦善阳 黄玉金 《电网技术》 EI CSCD 北大核心 2017年第10期3292-3299,共8页

为提高光伏出力的预测精度,提出了一种改进深度学习算法的光伏出力预测方法。首先,针对传统的深度学习算法采用批量梯度下降(batch gradient descent,BGD)法训练模型参数速度慢的问题,利用随机梯度下降(stochastic gradient descent,SGD... 为提高光伏出力的预测精度,提出了一种改进深度学习算法的光伏出力预测方法。首先,针对传统的深度学习算法采用批量梯度下降(batch gradient descent,BGD)法训练模型参数速度慢的问题,利用随机梯度下降(stochastic gradient descent,SGD)法训练快的优点,提出了一种改进的随机-批量梯度下降(stochastic-batch gradient descent,S-BGD)搜索方法,该方法兼具SGD和BGD的优点,提高了参数训练的速度。然后,针对参数训练过程中容易陷入局部最优点和鞍点的问题,借鉴运动学理论,提出了一种基于梯度累积(gradient pile,GP)的训练方法。该方法以累积梯度作为参数的修正量,可以有效地避免训练陷入局部点和鞍点,进而提高预测精度。最后,以澳大利亚艾丽斯斯普林光伏电站的数据为样本,将所提方法应用于光伏出力预测中,验证所提方法的有效性。 展开更多

关键词 光伏出力预测 深度学习算法 梯度下降法 梯度累积量 参数训练 神经网络 随机-批量梯度下降

在线阅读 下载PDF 职称材料

分布式随机方差消减梯度下降算法topkSVRG 被引量：5

4

作者 王建飞 亢良伊 +1 位作者 刘杰 叶丹 《计算机科学与探索》 CSCD 北大核心 2018年第7期1047-1054,共8页

机器学习问题通常会转换成一个目标函数进行求解,优化算法是求解目标函数中参数的重要工具。随机梯度下降(stochastic gradient descent,SGD)是目前应用最广的算法,因其易受噪声干扰只能达到次线性收敛率,而改进后的随机方差消减梯度法(... 机器学习问题通常会转换成一个目标函数进行求解,优化算法是求解目标函数中参数的重要工具。随机梯度下降(stochastic gradient descent,SGD)是目前应用最广的算法,因其易受噪声干扰只能达到次线性收敛率,而改进后的随机方差消减梯度法(stochastic variance reduction gradient,SVRG)则可以达到线性的收敛率。SVRG是一种串行单机版算法,为了应对大规模数据集分布式训练问题,设计一种以SVRG算法思想为基础的分布式SVRG的实现算法topk SVRG。改进在于:主节点维护一个全局模型,从节点基于本地数据进行局部模型更新。每轮迭代时,选择与当前全局模型距离最小的k个局部模型进行平均来更新全局模型,参数k调大可以提高收敛速度,调小k可以保证收敛。理论分析了算法的线性收敛性,基于Spark进行算法实现,通过与Mini-Batch SGD、CoCoA、Splash及相关算法的实验比较,topkSVRG可以在高精度要求下更快地收敛。 展开更多

关键词 机器学习 优化 随机梯度下降(SGD) 随机方差消减梯度法(SVRG) 分布式计算

在线阅读 下载PDF 职称材料

基于改进粒子群的智能汽车最优路径规划方法研究

5

作者 夏佳 郑晏群 +1 位作者 谢秉磊 张鹍鹏 《机械设计与制造》 北大核心 2025年第2期264-268,共5页

为了提高复杂环境下智能车辆路径规划的实时性和安全性,提出了一种结合改进强化学习算法和改进粒子群优化算法的智能车辆路径规划方法。采用小批量梯度下降法优化强化学习算法的衰减参数和学习因子,提高学习效率。通过改进的强化学习算... 为了提高复杂环境下智能车辆路径规划的实时性和安全性,提出了一种结合改进强化学习算法和改进粒子群优化算法的智能车辆路径规划方法。采用小批量梯度下降法优化强化学习算法的衰减参数和学习因子,提高学习效率。通过改进的强化学习算法训练改进的粒子群优化算法,并根据评价指标选择最优路径。通过与传统路径规划方法进行仿真对比,验证了该方法的优越性。结果表明,与传统的路径规划方法相比,随着障碍物比例的增加,这里方法规划的路径最优,路径规划的综合成本最低,为复杂环境下智能车辆的路径规划提供了保障。 展开更多

关键词 智能汽车 路径规划方法 梯度下降法 强化学习算法 粒子群算法

在线阅读 下载PDF 职称材料

RBF神经网络的混合学习算法 被引量：15

6

作者 苏小红 侯秋香 +1 位作者 马培军 王亚东 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2006年第9期1446-1449,共4页

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向... 针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性. 展开更多

关键词 RBF神经网络 最近邻聚类学习算法 径向基函数 梯度下降法

在线阅读 下载PDF 职称材料

一种BP网的学习速率与动量项自适应算法 被引量：8

7

作者 宫宁生 钱春阳 张媛 《小型微型计算机系统》 CSCD 北大核心 2013年第8期1872-1876,共5页

针对BP网络学习速率和动量项参数较难选取以及学习过程中学习效率较为低下的问题,提出BP网络的改进算法模型—AB网络模型,来选取学习速率和动量项的参数值,即通过一个为给定先验知识的A网,动态调节另一个执行实际应用的B网中的学习速率... 针对BP网络学习速率和动量项参数较难选取以及学习过程中学习效率较为低下的问题,提出BP网络的改进算法模型—AB网络模型,来选取学习速率和动量项的参数值,即通过一个为给定先验知识的A网,动态调节另一个执行实际应用的B网中的学习速率和动量项的参数值,并以此提高整个网络的学习效率.实验结果表明,通过AB网络自适应调整参数的算法比普通BP算法的学习效率大大提高.在实际应用中,我们可以通过AB网络自适应调节的方法,对学习速率参数和动量项参数进行合适的选取. 展开更多

关键词 AB网络 BP算法 动量项 学习速率 梯度下降法

在线阅读 下载PDF 职称材料

自组织区间二型模糊神经网络及其自适应学习算法 被引量：6

8

作者 姚兰 肖建 +1 位作者 王嵩 蒋玉莲 《控制理论与应用》 EI CAS CSCD 北大核心 2013年第6期785-791,共7页

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自... 针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳. 展开更多

关键词 自组织 区间二型模糊神经网络 梯度下降法 自适应学习算法

在线阅读 下载PDF 职称材料

基于混合学习算法的RBF神经网络主蒸汽温度控制 被引量：6

9

作者 王杰 姜国强 王栓 《热力发电》 CAS 北大核心 2009年第2期28-31,36,共5页

针对火电厂主蒸汽温度的大迟延、模型不确定性特点,提出一种使用径向基(RBF)神经网络整定PID串级主蒸汽温度控制策略。采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行... 针对火电厂主蒸汽温度的大迟延、模型不确定性特点,提出一种使用径向基(RBF)神经网络整定PID串级主蒸汽温度控制策略。采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行在线调整。仿真结果表明,基于混合学习算法的RBF神经网络PID控制器具有控制精度高、响应速度快的优点,系统动态品质优于常规算法的RBF神经网络PID控制。 展开更多

关键词 火电厂 主蒸汽温度 控制 最近邻聚类法 梯度下降法 混合学习算法 RBF神经网络 PID

在线阅读 下载PDF 职称材料

面向大规模服务性能预测的在线学习方法 被引量：6

10

作者 孙勇 谭文安 +1 位作者 谢娜 蒋文明 《计算机科学与探索》 CSCD 北大核心 2017年第12期1922-1930,共9页

为提高服务运行质量,需要主动预防服务失效和服务性能波动,而不是在服务发生错误时触发处理程序。高效地预测与分析大规模服务的性能是有效可行的主动预防工具。然而传统的服务性能预测模型多采用完全批量训练模式,难以满足大规模服务... 为提高服务运行质量,需要主动预防服务失效和服务性能波动,而不是在服务发生错误时触发处理程序。高效地预测与分析大规模服务的性能是有效可行的主动预防工具。然而传统的服务性能预测模型多采用完全批量训练模式,难以满足大规模服务计算的实时性要求。在综合权衡完全批量学习法和随机梯度下降法的基础上,建立了基于在线学习的大规模服务性能预测模型,提出了一种基于小批量在线学习的服务性能预测方法,通过合理地设置预测模型的批量参数,一次迭代仅需训练批量规模较小的样本数据,从而改善大规模服务性能预测的时间效率;详细分析了在线服务预测模型的收敛性。实验表明,提出的在线学习算法有效地解决了大规模服务预测算法的时效性问题。 展开更多

关键词 大规模服务计算 在线学习 小批量在线学习 随机梯度下降法

在线阅读 下载PDF 职称材料

数学神经网络(Ⅱ)──神经网络的学习算法 被引量：18

11

作者 李洪兴 《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 1997年第1期35-42,共8页

重点研究神经网络的学习算法，给出了单入单出、多入单出、单入多出及多入多出网络学习算法的通用公式．指出了目前人工神经网络研究的方法没有跑出计算数学的“圈子”，人工神经网络所具有的“优点”（如并行性处理）并没有真正的实现．

关键词 神经网络 数学神经网络 学习算法 梯度下降法

在线阅读 下载PDF 职称材料

基于GDA的置信规则库参数训练的集成学习方法 被引量：2

12

作者 吴伟昆 傅仰耿 +2 位作者 苏群 吴英杰 巩晓婷 《计算机科学与探索》 CSCD 北大核心 2016年第12期1651-1661,共11页

目前对置信规则库(belief rule base,BRB)的研究主要针对单个BRB系统,然而单个BRB系统的推理性能不仅受参数取值的影响,而且当训练集分布不均衡或数据量较少时,容易导致参数训练不全面,从而使得推理结果所提供的决策信息存在局部性。通... 目前对置信规则库(belief rule base,BRB)的研究主要针对单个BRB系统,然而单个BRB系统的推理性能不仅受参数取值的影响,而且当训练集分布不均衡或数据量较少时,容易导致参数训练不全面,从而使得推理结果所提供的决策信息存在局部性。通过引入Bagging算法和Ada Boost算法,分别与BRB相结合提出了基于梯度下降法(gradient descent algorithm,GDA)的置信规则库系统的集成学习方法,并分别应用于输油管道检漏、多峰函数的置信规则库训练,将多个BRB子系统集成,提高系统的推理性能。在实验中,以收敛精度和曲线拟合效果作为衡量指标来分析集成系统的性能,并将集成系统与其他单个BRB系统进行比较,实验结果表明BRB集成学习方法合理有效。 展开更多

关键词 置信规则库(BRB) 集成学习 梯度下降法(GDA) BAGGING ADABOOST

在线阅读 下载PDF 职称材料

结合均值漂移的多示例多标记学习改进算法 被引量：4

13

作者 王一宾 程玉胜 裴根生 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2018年第2期422-435,共14页

多示例多标记学习在多语义对象处理中克服了多示例学习和多标记学习的缺点,成功应用于文本分类、图像识别标注、基因数据分析等任务中.其中基于退化策略的多示例多标记学习算法,多利用K-Medoids聚类将多示例多标记退化成单示例多标记,... 多示例多标记学习在多语义对象处理中克服了多示例学习和多标记学习的缺点,成功应用于文本分类、图像识别标注、基因数据分析等任务中.其中基于退化策略的多示例多标记学习算法,多利用K-Medoids聚类将多示例多标记退化成单示例多标记,但此种退化方式过于简化多语义和复杂语义的对象,并未考虑示例间的相关性,导致退化过程中的信息削弱甚至丢失.针对这一问题,提出了结合均值漂移的多示例多标记学习改进算法(MultiInstance Multi-Label with Mean Shift,MIMLMS),将高斯核函数和权值加入均值漂移中.权值的加入保证了示例之间的相关性得以保留,而将多示例集合加入高斯核函数就可利用核密度估计和梯度下降法求解退化过程最优解,最终以误差平方和为分类目标函数,建立多示例多标记分类模型.算法在基准的多示例多标记测试数据集中的实验结果,验证了算法的良好分类效果及算法的有效性和可靠性. 展开更多

关键词 多示例多标记学习 均值漂移算法 高斯核函数 核密度估计 梯度下降法

在线阅读 下载PDF 职称材料

基于负相关性增强的不平衡多标签学习算法 被引量：1

14

作者 程玉胜 曹天成 +1 位作者 王一宾 郑伟杰 《计算机工程与科学》 CSCD 北大核心 2021年第9期1700-1710,共11页

由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是... 由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是采用基于正相关性策略提升性能。在实际问题中,除了正相关性外,标签的负相关性也可能存在,如果在考虑正相关性的同时,兼顾负相关性,无疑能够进一步改善分类器的性能。基于此,提出了一种基于负相关性增强的不平衡多标签学习算法——MLNCE,旨在解决多标签不平衡问题的同时,兼顾标签间的正负相关性,从而提高多标签分类器的分类性能。首先利用标签密度信息改造标签空间;然后在密度标签空间中探究标签真实的正反相关性信息,并添加到分类器目标函数中;最后利用加速梯度下降法求解输出权重以得到预测结果。在11个多标签标准数据集上与其他6种多标签学习算法进行对比实验,结果表明MLNCE算法可以有效提高分类精度。 展开更多

关键词 多标签学习 多标签不平衡 标签正负相关性 标签密度 加速梯度下降法

在线阅读 下载PDF 职称材料

基于通用化等效模型的飞机系统辨识算法

15

作者 周大鹏 李贺琦 +1 位作者 王业光 王立新 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第5期1454-1462,共9页

针对舰载机等复杂动力学系统的高阶时滞模型拟配难题,提出了一种基于通用化等效模型的系统频域辨识算法。建立系统辨识通用化等效模型,引入自适应学习率梯度下降法对模型进行基于样本的迭代学习训练,使模型的频域参数自动收敛,辨识得到... 针对舰载机等复杂动力学系统的高阶时滞模型拟配难题,提出了一种基于通用化等效模型的系统频域辨识算法。建立系统辨识通用化等效模型,引入自适应学习率梯度下降法对模型进行基于样本的迭代学习训练,使模型的频域参数自动收敛,辨识得到复杂系统的高阶时滞模型。以舰载机横航向荷兰滚等效拟配模型进行验证,与传统算法对比,并分析了系统的频域与时域响应,结果表明:所提算法具有较好的辨识效果,解决了高阶时滞模型的直接拟配难题,并通用于广泛的高阶时滞模型拟配。 展开更多

关键词 梯度下降法 频域建模 高阶时滞模型 自适应学习率 等效拟配

在线阅读 下载PDF 职称材料

XCSG在多机器人强化学习中的应用 被引量：2

16

作者 邵杰 杜丽娟 杨静宇 《计算机科学》 CSCD 北大核心 2013年第8期249-251,292,共4页

XCS分类器在解决机器人强化学习方面已显示出较强的能力,但在多机器人领域仅局限于MDP环境,只能解决环境空间较小的学习问题。提出了XCSG来解决多机器人的强化学习问题。XCSG建立低维的逼近函数,梯度下降技术利用在线知识建立稳定的逼... XCS分类器在解决机器人强化学习方面已显示出较强的能力,但在多机器人领域仅局限于MDP环境,只能解决环境空间较小的学习问题。提出了XCSG来解决多机器人的强化学习问题。XCSG建立低维的逼近函数,梯度下降技术利用在线知识建立稳定的逼近函数,使Q-表格一直保持在稳定低维状态。逼近函数Q不仅所需的存储空间更小,而且允许机器人在线对已获得的知识进行归纳一般化。仿真实验表明,XCSG算法很好地解决了多机器人学习空间大、学习速度慢、学习效果不确定等问题。 展开更多

关键词 强化学习 多机器人 学习分类器 梯度下降法的学习分类器

在线阅读 下载PDF 职称材料

具有最优学习率的RBF神经网络及其应用 被引量：50

17

作者 卫敏 余乐安 《管理科学学报》 CSSCI 北大核心 2012年第4期50-57,共8页

传统固定学习率的RBF神经网络在金融时间序列预测方面已经有比较成功的应用,但网络学习率的选择问题却给传统RBF神经网络的使用带来了不便.利用梯度下降法及优化方法推导出了RBF神经网络的动态最优学习率并将其应用于网络学习算法,具有... 传统固定学习率的RBF神经网络在金融时间序列预测方面已经有比较成功的应用,但网络学习率的选择问题却给传统RBF神经网络的使用带来了不便.利用梯度下降法及优化方法推导出了RBF神经网络的动态最优学习率并将其应用于网络学习算法,具有最优学习率的RBF神经网络能够在保证网络稳定学习的同时兼顾网络的收敛速度.为了检验具有动态最优学习率的RBF神经网络的预测效果,对沪深300指数波动率进行了预测实验.实验结果表明,具有动态最优学习率的RBF神经网络比传统的固定学习率的RBF神经网络有着更快的收敛速度,同时也避免了人为选定学习率的不便. 展开更多

关键词 RBF神经网络 最优学习率 梯度下降法

在线阅读 下载PDF 职称材料

支持向量机增量学习中模型参数选择问题研究 被引量：5

18

作者 张鹏 倪世宏 谢川 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2011年第5期5-9,共5页

支持向量机性能主要受模型参数的影响,而支持向量机增量学习中模型参数选择问题研究较少。针对这一问题,提出一种支持向量机增量学习中模型参数选择方法。将鲁棒度作为增量学习的性能估计准则,用拟合误差和比例系数调节解空间取值范围,... 支持向量机性能主要受模型参数的影响,而支持向量机增量学习中模型参数选择问题研究较少。针对这一问题,提出一种支持向量机增量学习中模型参数选择方法。将鲁棒度作为增量学习的性能估计准则,用拟合误差和比例系数调节解空间取值范围,采用梯度下降法搜索参数,用初始模型参数作为梯度下降法的初始值。用该方法对Logistic模型和航空发动机振动监控进行实验。结果表明:与基本遗传算法和梯度法进行比较,所提方法能充分利用历史学习的结果,缩小解空间的搜索范围,加快收敛速度。 展开更多

关键词 支持向量机 增量学习 模型参数选择 鲁棒度 拟合误差 梯度下降法

在线阅读 下载PDF 职称材料

几种改进BP算法在气液两相流流型识别中的比较 被引量：2

19

作者 孙斌 周云龙 洪文鹏 《仪器仪表学报》 EI CAS CSCD 北大核心 2004年第z1期623-624,共2页

通过流型识别的实例对几种具有代表性的用以训练BP网络的改进算法进行性能对比研究。首先分析了基于标准梯度下降法和基于标准数值优化方法获得的各种改进算法的优缺点,然后对各种改进算法在训练中所需要的收敛时间及其达到的误差进行... 通过流型识别的实例对几种具有代表性的用以训练BP网络的改进算法进行性能对比研究。首先分析了基于标准梯度下降法和基于标准数值优化方法获得的各种改进算法的优缺点,然后对各种改进算法在训练中所需要的收敛时间及其达到的误差进行对比分析,为在BP网络识别流型时选择算法提供一些借鉴。 展开更多

关键词 梯度下降法 数值优化 学习速率 流型识别

在线阅读 下载PDF 职称材料

学习矢量量化的推广及其典型形式的比较 被引量：5

20

作者 程剑锋 徐俊艳 《计算机工程与应用》 CSCD 北大核心 2006年第17期82-85,共4页

无监督学习矢量量化(LVQ)是一类基于最小化风险函数的聚类方法,文中通过对无监督LVQ风险函数的研究,提出了无监督LVQ算法的广义形式,在此基础上将当前典型的LVQ算法表示为基于不同尺度函数的LVQ算法,极大地方便了学习矢量量化神经网络... 无监督学习矢量量化(LVQ)是一类基于最小化风险函数的聚类方法,文中通过对无监督LVQ风险函数的研究,提出了无监督LVQ算法的广义形式,在此基础上将当前典型的LVQ算法表示为基于不同尺度函数的LVQ算法,极大地方便了学习矢量量化神经网络的推广与应用。通过对无监督LVQ神经网络的改造,得到了基于无监督聚类算法的有监督LVQ神经网络,并将其应用于说话人辨认,取得了满意的结果并比较了几种典型聚类算法的优劣。 展开更多

关键词 无监督学习矢量量化 尺度函数 风险函数 梯度下降法

在线阅读 下载PDF 职称材料