文献检索-宁波市创意产业特色资源库

限定检索结果

基于低秩正则化的神经网络学习方法: 收藏
分享
引用; 《计算机工程与设计》2018年第4期39卷 1034-1038,1077页; 作者：陈嫒嫒刘光灿南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044; 针对神经网络参数过多容易导致过拟合这一问题,结合神经网络学习与低秩学习的基本思想,提出一种低秩正则化神经网络,每层的权值矩阵被约束为低秩的,降低网络的有效参数规模,达到防止过拟合的效果。由于低秩约束的存在,低秩正则化神经网...; 针对神经网络参数过多容易导致过拟合这一问题,结合神经网络学习与低秩学习的基本思想,提出一种低秩正则化神经网络,每层的权值矩阵被约束为低秩的,降低网络的有效参数规模,达到防止过拟合的效果。由于低秩约束的存在,低秩正则化神经网络的学习过程不能直接利用传统BP算法来完成,因此,提出一种扩展的BP算法,用于求解含低秩约束的神经网络学习问题。实验结果表明,所提方法在分类精度、收敛速度以及预测精度上优于对比方法。; 来源：详细信息评论

限定检索结果