资源描述：
《关于随机权网络的1稀疏正则化与adaboost算法及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、硕士学位论文MASTERDISSERTATION关于随机权网络的ℓ1稀疏正则化与Adaboost算法及其应用研究TheResearchonℓ1SparseRegularizationandAdaboostAlgorithmsforNeuralNetworkswithRandomWeights作者王学军导师曹飞龙教授赵建伟教授学科应用数学中国计量学院二〇一四年六月万方数据TheResearchonℓ1SparseRegularizationandAdaboostAlgorithmsforNeuralNetworkswithRandomWeightsByWangXuejunADiss
2、ertationSubmittedtoChinaJiliangUniversityInpartialfulfillmentoftherequirementForthedegreeofMASTERofScienceChinaJiliangUniversityJune,2014万方数据中图分类号TP.183学校代码10356UDC密级公开硕士学位论文MASTERDISSERTATION关于随机权网络的ℓ1稀疏正则化与Adaboost算法及其应用研究TheResearchonℓ1SparseRegularizationandAdaboostAlgorithmsforNeuralNetw
3、orkswithRandomWeights作者王学军导师曹飞龙教授赵建伟教授申请学位理学硕士培养单位中国计量学院学科专业应用数学研究方向神经网络、模式识别二〇一四年六月万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中国计量学院或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名:签字日期:年月日学位论文版权使用授权书本学位论文作者完全了解中国计量学院有关保留
4、、使用学位论文的规定。特授权中国计量学院可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名:导师签名：签字日期:年月日签字日期:年月日万方数据致谢在中国计量学院的三年研究生生活马上就要结束了,在本文即将完成之际,我要衷心感谢导师曹飞龙教授和赵建伟教授对本人的精心指导,两位导师严肃的科学态度,以及精益求精的工作作风深深地感染和激励着我.他们的言传身教将使我终生受益,记着每一次讨论班曹老师和赵老师都会提出新颖的观点,
5、启发我们思考,让我们从中完善和扩充思路.在生活上,两位导师也给以无微不至的关怀,在此谨向曹老师和赵老师致以诚挚的谢意和崇高的敬意.感谢李有梅、周正华、张永全、银俊成等各位老师对我学习上的指导和帮助.感谢谈元鹏、李明、王琳娜、夏晟、戴腾辉各位师兄师姐在学术和生活上给予的帮助.感谢张永立、符艳清、蔡苗苗、陆晶等同学陪伴我度过了愉快又有意义的三年研究生生活,感谢11级数学1班所有的同学,与你们在一起的日子充满欢声笑语,还要感谢陪我一起打篮球的兄弟们,让我在科研的同时感受到运动带来的快乐!最后,衷心感谢父母对我的养育之恩,感谢他们对我的理解与支持,谁言寸草心，报得三春晖!王学军2014年
6、6月万方数据关于随机权网络的ℓ1稀疏正则化与Adaboost算法及其应用研究摘要：人工神经网络(ArtificialNeuralNetworks,ANNs)是理论化的人脑神经网络的数学模型,其已有相当广泛的应用.相对于传统的人工神经网络算法,随机权神经网络(NeuralNetworkswithRandomWeights,NNRW)算法不但训练速度快,而且逼近性能较好,因此,它越来越受到人们的关注,并已被广泛应用于各领域之中.本论文首先分析了三种不同的稀疏重构算法在音频信号重构中的优缺点,这三种算法分别是正交匹配追踪算法、迭代收缩阈值法、增广拉格朗日乘子法.这一部分使我们深入理解稀
7、疏重构算法.然后,针对随机权神经网络算法,结合稀疏重构算法及集成学习的思想,提出了两种有效的算法——稀疏正则化算法和自适应的随机权神经网络算法.随机权神经网络虽然是一种有效的前馈神经网络(FNNs),尤其是内权和偏置值的随机选取极大地提高了网络的学习速率,并克服了其他学习算法的一些不足.但是,其在计算外权的过程中也存在着缺陷,比如稳定性较差,计算内存消耗过大.我们就此缺陷提出了一个新的算法——稀疏正则化算法.我们结合梯度投影算法给出了一种随机权网络外权的迭代解,并提出了相应的参数
