搜索资源列表
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
Deep-learning-and-new-progress-
- 深度学习是机器学习中的一个新的研究领域。通过深度学习的方法构建深度网络来抽取特征是目 前目标和行为识别中得到关注的研究方向。为引起更多计算机视觉领域研究者对深度学习进行探索和讨论，并推 动目标和行为识别的研究，对深度学习及其在目标和行为识别中的新进展给予概述。方法首先介绍深度学习领 域研究的基本状况、主要概念和原理 然后介绍近期利用深度学习在目标和行为识别应用中的一些新进展。结 果阐述了深度学习与神经网络之间的关系，深度学习的优缺点，以及目前深度学习理论需要解决的主要问题。
基于NARX神经网络的轨道垂向不平顺估计_王贵
- 摘要:应用白噪声聚类经验模型分解方法(EEMD, Ensemble EMD)，进行轨道一车辆系统的时频分析， 分析钢轨不平顺的波长一幅值分布及短波不平顺的分布特点。通过理论推导，得到垂向钢轨不平顺与车体垂向 加速度之间的转移函数，并由简化模型仿真结果与实验数据对比分析得出二者的相关系数在0. 8以上，表明仿 真结果与实验数据非常吻合。利用简化模型进行数值仿真，所需复数乘法次数为N(21ogN+ 1)，满足实时仿真 的需要。实例所测钢轨不平顺和车体加速度的相关性分析结果表明，对加速度数据
粗糙集
- 采用某股份制银行的698 家贷款企业样本, 基于粗糙集-Elman 神经网络集成构建了贷款企业五 级分类评估模型.该模型首先应用粗糙集理论约简出重要指标体系, 然后将训练样本送入Elman 神经网 络进行学习和训练, 进而对检验样本的风险等级进行判别.结果表明, 与传统的logistic 回归模型相比, 粗 糙集-神经网络系统对检验样本预测精度更高, 是一种更为有效和实用的分类方法, 为我国商业银行五 级分类管理提供一个新的方法. 关键词: 粗糙集;Elman 神经网络