暂无评论
论文研究-协同性资源交互的神经网络模型与仿真.pdf, 首先根据资源在商业网络参与者之间交互的特性,将企业资源分为协同性资源和非协同性资源;然后,在分析协同性资源基本含义的基础上,建立了一个用来分析
深度神经网络中的多目标稀疏学习模型,刘嘉,公茂果,深度神经网络是一种具有复杂结构和较深层次的神经网络模型,其强大的数据表示和建模能力使其在各类应用中发挥了巨大的作用.稀疏理�
对统计数据的散度情况,即数据变异指标,进行了说明,变异指标可以使我们对数据的总体特征有更进一步的了解,进而对数据的分布情况有所了解,变异指标对发现数据中的离群数据有一定的作用。作者使用变异指标对基于偏
针对Elman神经网络模型,通过引入时间权重与随机性因素,提出了改进的Elman神经网络模型,提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架,可评估多个特征参数对
基于RBF神经网络的非线性回归模型,黄涛,,RBF神经网络即径向基函数神经网络是一种高效的前馈式神经网络,它具有其他前向网络所不具有的最佳逼近性能和全局最优特性,并且结
针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(In
个性化推荐是目前解决电子商务中产品信息过载问题的有效工具之一。对综合用户偏好模型和BP神经网络的个性化推荐算法进行了研究。具体讨论了如何建立用户偏好模型,采用神经网络训练得到目标用户的偏好模型,通过M
神经网络学习算法的发展,罗娜,钱锋,神经网络重要的功能是它可以通过学习算法从经验中学习从而具有预测功能。针对BP神经网络的学习算法,本文介绍了其改进算法,同时�
面对日趋复杂的网络,网络的管理变得越来越重要,而网络的故障管理、配置管理、性能管理等都离不开网络拓扑。因此如何高效准确地获得网络拓扑,一直是网络拓扑研究中的一个热点和难点。鉴于此,提出了基于Trace
近年来,深度学习在许多领域取得了巨大的成功,其中,激活函数是深度学习取得巨大成功的关键因素之一。根据生物神经元特性,针对ReLU右侧响应无界问题,提出了单峰梯形线性单元(Single-Peaked T
暂无评论