版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、代號一!!型一分類號TPl83；Q812學號0222421153密級公開辦簧它手料攝史警碩士學位論文題(中、英文)目一蕉800st!ng盟厶王袒經(jīng)旦終塞廑一一丑墓夔遺考遴一1一一NeuraLNet_workE_nse_mbl蝗Bas_edon_Boo_sting————————————forC1assification，——————作者姓名一鹽盔縋一指導(dǎo)教師姓名、職務(wù)堂堊墓j燧學科門類一工堂～學科、專業(yè)一進簍咖癟旦攮蕉一提交論文日期二o
2、o五年五月AbstractAbstractNeuralnetworkensembleCallsignificantlyimprovethegeneralizationabilityofteamingsystemsthrorlghtraininga‰itenumberofneuralnetworksandthencombiningtheirresultsItisnotonlyhelpfulforscientiststoinvestigat
3、emachinelearningandneuralcomputingbutalsohelpfulforcommonengineerstosolvereal—worldproblemsusingneuralnetworktechniquesThereforeneuralnetworkensemblehasbeenregardedasanengineeringneuralcomputingtechnologythathasgreatappl
4、icationprospectAlsoithasbecomeahottopicinbothmachinelearningandneuralcomputingcommunitiesBoostingisamethodforimprovingtheaccuracyofanygivenlearningalgorithm，whichgeneratemultipleversionsofahypothesisandcombinethemtocreat
5、eanaggregatehypothesisBasedonthedetailedanalysisoftheadaboostalgorithm，thispaperpresentstwonewadaboostalgorithmswhicharethemethodbasedonoptimizingtrainingdatasetandthemethodbasedonoptimizingtheweightsofweakclassifiersusi
6、ngLMSThetheoriesandexperimentalresultsprovethatthetwonewalgorithmshavelesstrainingerrorandbettergeneralizationabilityInthispaper，weuseadaboostalgorithmtogeneratesingleneuralnetworkforneuralnetworkensemble，thendogenepatte
7、rnrecognitionTheexperimentalresultshaveverifiedthefeasibilityandvalidityofneurMnetworkensemblebasedonBoostingforgeneclassificationwhichoftenhasfewsamplesandhi曲dimensionKeywords：neuralnetwork，neuralnetworkensemble，boostin
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 神經(jīng)網(wǎng)絡(luò)集成BOOSTING類算法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的遙感影像模式分類研究.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的人車分類算法.pdf
- 基于最優(yōu)分類面的神經(jīng)網(wǎng)絡(luò)模式分類方法及其應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的人工魚行為模擬.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的人臉識別研究.pdf
- 穩(wěn)定的Boosting類神經(jīng)網(wǎng)絡(luò)集成新算法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的人體運動跟蹤.pdf
- 基于集成神經(jīng)網(wǎng)絡(luò)的癌細胞多分類.pdf
- 基于群體智能算法的人工神經(jīng)網(wǎng)絡(luò)優(yōu)化及其應(yīng)用.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的自動車型分類研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的人眼前房直徑預(yù)測.pdf
- 基于Boosting技術(shù)的顯露模式集成分類算法.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字模式識別和分類.pdf
- 廣義逆矩陣的人工神經(jīng)網(wǎng)絡(luò)求解及其應(yīng)用.pdf
- 基于人工免疫網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)集成方法及其應(yīng)用研究.pdf
- 鼠類鳴聲的人工神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于膚色模型與神經(jīng)網(wǎng)絡(luò)集成的人臉檢測.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的圖像識別和分類.pdf
評論
0/150
提交評論