随机权神经网络研究现状与展望分析.PDFVIP

下载本文档

43
0
约5.83万字
约 10页
2017-06-21 发布于湖北
举报
版权申诉

随机权神经网络研究现状与展望分析.PDF

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第１１卷第６期　　　　　　　　　　　　智　能　系　统　学　报　　　　　　　　　　　　　　　Ｖｏｌ．１１№．６２０１６年１２月　　　　　　　　　　　ＣＡＡＩＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ　　　　　　　　　　　　　Ｄｅｃ．２０１６ＤＯＩ：１０．１１９９２／ｔｉｓ．２０１６１２０１５网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１５３８．ＴＰ１７０５．０２８．ｈｔｍｌ随机权神经网络研究现状与展望１，３２１，３乔俊飞，李凡军，杨翠丽（１．北京工业大学信息学部，北京１００１２４；２．济南大学数学科学学院，山东济南２５００２２；３．计算智能与智能系统北京市重点实验室，北京１００１２４）摘　要：神经网络随机学习克服了传统梯度类算法所固有的收敛速度慢及局部极小问题，最近已成为神经网络领域的研究热点之一。基于随机学习的思想，人们设计了不同结构的随机权神经网络模型。本文旨在回顾总结随机权神经网络的研究现状基础上，给出其发展趋势。首先，提出随机权神经网络简化模型，并基于简化模型给出神经网络随机学习算法；其次，回顾总结随机权神经网络研究现状，基于简化模型分析不同结构随机权神经网络的性能及随机权初始化方法；最后，给出随机权神经网络今后的发展趋势。关键词：随机权神经网络；前馈神经网络；递归神经网络；级联神经网络；随机学习算法－－－中图分类号：ＴＰ１８３　文献标志码：Ａ　文章编号：１６７３４７８５（２０１６）０６０７５８１０－中文引用格式：乔俊飞，李凡军，杨翠丽．随机权神经网络研究现状与展望［Ｊ］．智能系统学报，２０１６，１１（６）：７５８７６７．英文引用格式：ＱＩＡＯＪｕｎｆｅｉ，ＬＩＦａｎｊｕｎ，ＹＡＮＧＣｕｉｌｉ．Ｒｅｖｉｅｗａｎｄｐｒｏｓｐｅｃｔｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｉｔｈｒａｎｄｏｍｗｅｉｇｈｔｓ［Ｊ］．ＣＡＡＩ－ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ，２０１６，１１（６）：７５８７６７．Ｒｅｖｉｅｗａｎｄｐｒｏｓｐｅｃｔｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｉｔｈｒａｎｄｏｍｗｅｉｇｈｔｓ１，３２１，３ＱＩＡＯＪｕｎｆｅｉ，ＬＩＦａｎｊｕｎ，ＹＡＮＧＣｕｉｌｉ（１．ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃａｌＳｃｉｅｎｃｅ，ＵｎｉｖｅｒｓｉｔｙｏｆＪｉｎａｎ，Ｊｉｎａｎ２５００２２，Ｃｈｉｎａ；３．ＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｏｍｐｕｔａｔｉｏｎａｌＩｎｔｅｌｌｉｇｅｎｃｅａｎｄＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｒａｎｄｏｍｉｚｅｄｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｎａｎｅｕｒａｌｎｅｔｗｏｒｋ，ｗｈｉｃｈｃａｎｏｖｅｒｃｏｍｅｔｈｅｄｉｆｆｉｃｕｌｔｙｏｆｓｌｏｗｃｏｎｖｅｒ⁃ ｇｅｎｃｅａｎｄｌｏｃａｌｍｉｎｉｍｕｍｉｎ