-
公开(公告)号：CN103559541A
公开(公告)日：2014-02-05
申请号：CN201310524206.X
申请日：2013-10-30
Applicant: 南京邮电大学
IPC: G06N3/08
Abstract: 一种大数据中面向乱序数据流的反向传播方法，针对大数据中的乱序数据流难以获取关联规则的问题，提出了一种动态调整的改进型BP算法IBPDA（ImprovedBackPropagationAlgorithmBasedonDynamicalAdjustment），运用了动态自适应结构调整机制，根据环境要求自适应调整网络训练结构，自动删除无效训练节点，优化迭代训练过程；并在网络学习过程中动态调整神经网络三因子，即学习指数、动量因子、比例因子，来达到加快学习响应速度、增强网络稳定性的目的。仿真结果表明，通过动态自适应调整结构、动态调整三因子的神经网络，能够获得更多的收敛次数，并能有效的提高收敛率，进而提高整体网络性能。
-
公开(公告)号：CN103559537A
公开(公告)日：2014-02-05
申请号：CN201310526631.2
申请日：2013-10-30
Applicant: 南京邮电大学
Abstract: 一种乱序数据流中基于误差反向传播的模板匹配算法，针对大数据中乱序数据流难以在短时间内获取有价值的信息的问题，提出了一个改进型匹配模型，对数据进行预处理；提出了动态自适应调整机制，重新定义了性能均方差函数、输出层节点误差项、隐层节点误差项、阈值、连接权值、学习指数。根据匹配模型未知的乱序数据流以及用户的不同需求，确定所需的匹配模板，并对数据流进行预处理，同时加入遗忘因子，动态调整匹配模板。设定好匹配模板之后，同时运用自适应调整机制修正阈值、连接权值和学习指数。仿真结果表明，算法在精度以及运行速度上有着明显的提升，并具有较好的稳定性。
-
公开(公告)号：CN103559537B
公开(公告)日：2016-03-23
申请号：CN201310526631.2
申请日：2013-10-30
Applicant: 南京邮电大学
Abstract: 一种乱序数据流中基于误差反向传播的模板匹配算法，针对大数据中乱序数据流难以在短时间内获取有价值的信息的问题，提出了一个改进型匹配模型，对数据进行预处理；提出了动态自适应调整机制，重新定义了性能均方差函数、输出层节点误差项、隐层节点误差项、阈值、连接权值、学习指数。根据匹配模型未知的乱序数据流以及用户的不同需求，确定所需的匹配模板，并对数据流进行预处理，同时加入遗忘因子，动态调整匹配模板。设定好匹配模板之后，同时运用自适应调整机制修正阈值、连接权值和学习指数。仿真结果表明，算法在精度以及运行速度上有着明显的提升，并具有较好的稳定性。
-
-
Search Results
3
records
(took 0.015 seconds)
