注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. matlab BP神经网络的动量梯度下降算法

  2. 用动量梯度下降算法训练BP网络 使用的主要函数如下： NEWFF——生成一个新的前向神经网络 TRAIN——对BP神经网络进行训练 SIM——对BP神经网络进行仿真

  3. 所属分类：网络基础

  1. bp神经网络实例：贝叶斯、梯度下降算法

  2. 采用动量梯度下降算法训练 BP 网络 采用贝叶斯正则化算法提高 BP 网络的推广能力 采用“提前停止”方法提高 BP 网络的推广能力

  3. 所属分类：网络基础

  1. 采用动量梯度下降算法训练 BP 网络

  2. 采用动量梯度下降算法训练 BP 网络。 训练样本定义如下： 输入矢量为 p =[-1 -2 3 1 -1 1 5 -3] 目标矢量为 t = [-1 -1 1 1] 有注释

  3. 所属分类：网络基础

    • 发布日期：2010-12-29
    • 文件大小：1024
    • 提供者：xiaoxiaofu2010

  1. Pi-Sigma神经网络的几种梯度学习算法

  2. 到目前为止，人们提出了许多神经网络模型，其中应用最广泛的是前馈神经网络．早期前馈神经网络中只含有求和神经元，在处理复杂非线性问题时效率很低．后来，人们将求积神经元引入到前馈神经网络中，用以增加网络的非线性映射能力，提高网络的学习效率．这样的网络可以统称为高阶前馈神经网络．但是，如果只通过输入节点值的简单乘积构造求积神经元以增加网络的非线性映射能力，随着输入样本维数的增加，所需权值的数量呈指数阶增加，即出现“维数灾难”．Pi-Sigma 神经网络是1991 年Y．Shin提出的一种具有多项式乘积

  3. 所属分类：专业指导

    • 发布日期：2013-08-21
    • 文件大小：2097152
    • 提供者：samcrazy

  1. 动量梯度下降算法训练 BP 网络 matlab代码

  2. 采用动量梯度下降算法训练 BP 网络 matlab代码

  3. 所属分类：专业指导

    • 发布日期：2013-12-16
    • 文件大小：937
    • 提供者：nancylovejing

  1. 准帕顿分布和梯度流

  2. 我们提出了一种从晶格量子色动力学确定准parton分布函数（PDF）的新方法。 通过合并梯度流，此方法可确保晶格拟PDF在连续极限内是有限的，并且避免了棘手的，尚未解决的在晶格上重新规范化准PDF的问题。 在流动时间远小于由核子动量设定的长度尺度的极限中，被涂抹的准PDF的力矩与光前PDF的力矩成比例。 我们使用这种关系来得出匹配核的演化方程，该核将拖尾的准PDF和光前PDF关联起来。

  3. 所属分类：其它

    • 发布日期：2020-04-18
    • 文件大小：322560
    • 提供者：weixin_38734506

  1. 二维O（N）非线性sigma模型中梯度流的可重新归一化

  2. 众所周知，由Yang-Mills梯度流演化而来的规范场及其复合算子是紫外线（UV）有限的，没有任何乘波函数重新归一化。 在本文中，我们证明了二维非线性sigma模型中的梯度流具有类似的性质：流矢量场及其复合算符是UV有限的，而没有乘波函数重新归一化。 我们在所有扰动理论的证明中都使用了梯度流的三维场理论表示，该场理论具有无规范场的局部规范不变性。 作为梯度流的UV有限度的一种应用，我们在非线性sigma模型的晶格公式中构造了能量动量张量，该能量动量张量可自动恢复连续统极限中的正确归一化和守恒律。

  3. 所属分类：其它

    • 发布日期：2020-04-07
    • 文件大小：1048576
    • 提供者：weixin_38723691

  1. QCD梯度扰动流向三个回路

  2. QCD中的梯度流在强耦合常数下按从后到前的顺序扰动处理。 描述了对相关动量和流动时间积分的评估，包括各种验证手段。 对于活动密度的真空期望值（它在晶格计算中被证明是有用的），我们通过NNLO找到了一个表现良好的微扰级数。 通过NLO考虑了夸克质量效应。 只要流动时间小于约0.1 fm，相对于LO和NLO，由于归一化尺度变化而导致的理论不确定性将大大降低。

  3. 所属分类：其它

    • 发布日期：2020-04-06
    • 文件大小：487424
    • 提供者：weixin_38536576

  1. 通过改进的梯度膨胀技术获得结晶相

  2. 我们开发了一种创新技术，用于研究具有自发破碎对称性的不均匀相。 该方法依赖于均相中自由能的确切形式的知识以及阶数参数的特定梯度扩展。 我们将这种方法应用于在消失的温度和较大的化学势下的夸克物质，这有望与天文学有关。 与在动量空间中对夸克哈密顿量进行完整的数值对角线化相比，该方法具有显着的可靠性和快速性，旨在改善接近相变点的标准Ginzburg-Landau展开。 为了确定性，我们集中在不均匀的手性对称性断裂上，准确地再现一维和二维调制的已知结果，并检查新颖的晶体结构。 与先前的结果一致，我们发现

  3. 所属分类：其它

    • 发布日期：2020-04-04
    • 文件大小：809984
    • 提供者：weixin_38702844

  1. 来自纯非流体动力传输的高动量方位角各向异性

  2. 在短平均自由程的极限内，相对论动力学理论通过系统地改善梯度梯度产生了流体动力学。 在目前的工作中，考虑了在较大的平均自由程的相反极限处系统地改善的膨胀，从而描述了几乎但不是完全不相互作用的粒子动力学。 这种非流体动力的“弹性”膨胀不会在大梯度下破裂，并且在不适用流体动力处理的情况下可能很有用。 作为应用，根据动力学理论在松弛时间近似中的一阶等效扩张，计算了在Pb + Pb和p + Pb碰撞中高横向矩处$$ \ sqrt {s} = 5.02 $$ s = 5.02 Tev时的方位各向异性。 。

  3. 所属分类：其它

    • 发布日期：2020-03-26
    • 文件大小：916480
    • 提供者：weixin_38703906

  1. 通过梯度流在重力场中的轴向（1）异常

  2. 摘要利用所谓的Yang-Mills梯度流，可以写下平面时空中规范理论中能量动量张量的不依赖于规则化的通用公式。 我们研究了该公式在重力场中轴向异常的计算中的可能用途，该异常首先是由木村俊荣[Prog。 理论。 物理 42，1191（1969）]。 如一般论点所示，该公式以与轴向异常一致的方式再现了（轴向电流）-（能量-动量张量）-（能量-动量张量）三角图的正确的非局部结构。 另一方面，该公式不会自动重现Ward-Takahashi关系的一般坐标（或平移），而需要通过局部反条件进行更正。 因此，该

  3. 所属分类：其它

    • 发布日期：2020-03-25
    • 文件大小：282624
    • 提供者：weixin_38715097

  1. 纯SU（2）规范理论使用梯度流的热力学

  2. 摘要我们使用蒙特卡洛模拟研究纯SU（）规范理论的状态方程。 晶格参数的比例设置已通过使用梯度流进行。 我们提出了满足SU（）规范理论的参考尺度，该尺度由基于扰动分析的SU（）情况的标准尺度的自然缩减而固定。 我们还显示了作为的函数的热力学量，它是由能量-动量张量使用梯度流的小流动时间扩展得出的。

  3. 所属分类：其它

    • 发布日期：2020-03-25
    • 文件大小：1048576
    • 提供者：weixin_38730767

  1. 就梯度流而言，4D SYM超电流

  2. 梯度流及其较小的流时扩展提供了一种非常通用的方法，可以以与正则化无关的方式表示重新归一化的复合算子。 在晶格规理论中，该技术已用于构造典型的Noether电流，例如能量动量张量和轴向矢量电流。 在本文中，我们将相同的技术应用于Wess-Zumino量规的四维超级Yang-Mills理论（4D SYM）中的超电流。 由于此方法可先验地表示适当归一化的守恒超电流，因此我们的结果应该有用，例如，在4D SYM的晶格数值模拟中； 如此构造的超电流的守恒可以用作胶质糖质量朝其超对称点调整的标准。

  3. 所属分类：其它

    • 发布日期：2020-03-25
    • 文件大小：789504
    • 提供者：weixin_38656064

  1. 流体动力学中梯度扩展的收敛性

  2. 与流体中的声和剪切模态相对应的流体动力激励的特征在于无间隙的色散关系。 在流体动力学梯度扩展中，它们的频率由空间动量中的幂级数表示。 我们通过研究复杂频率和复杂空间动量空间中的相关光谱曲线，研究了水动力序列的解析结构和收敛性质。 对于强耦合 N = 4 <

  3. 所属分类：其它

    • 发布日期：2020-03-22
    • 文件大小：495616
    • 提供者：weixin_38631329

  1. 梯度下降算法综述.docx

  2. 本文概括总结了梯度下降算法的内容，给出了详细的收敛性证明，复杂度分析以及随机梯度下降法，动量梯度下降法等经典的梯度下降算法，个人原创作品

  3. 所属分类：机器学习

    • 发布日期：2020-02-25
    • 文件大小：58368
    • 提供者：cyanPhoenix

  1. 基于误差能量的自适应动量CMA盲均衡

  2. 为了解决动量恒模算法（CMA）盲均衡的稳态残差大的问题，提出了一种由能量稳态控制的动量CMA盲均衡。 在更新过程中估算均衡器权重的能量。 根据自适应滤波理论，算法收敛后，均衡器权重的能量达到稳态，当能量变化率小于阈值时，可将动量设为0，从而避免了附加梯度动量引起的噪声进一步提高了算法的收敛精度。 该算法利用动量来加快收敛速度​​，并在一定程度上避免了代价函数的局部最小值。 同时，它具有与CMA相同的收敛精度。 计算机仿真结果表明，与CMA，动量CMA（MCMA）和自适应动量CMA（AMCMA）盲

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：491520
    • 提供者：weixin_38747815

  1. Keras SGD 随机梯度下降优化器参数设置方式

  2. SGD 随机梯度下降 Keras 中包含了各式优化器供我们使用，但通常我会倾向于使用 SGD 验证模型能否快速收敛，然后调整不同的学习速率看看模型最后的性能，然后再尝试使用其他优化器。 Keras 中文文档中对 SGD 的描述如下： keras.optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False) 随机梯度下降法，支持动量参数，支持学习衰减率，支持Nesterov动量 参数： lr：大或等于0的浮点数，学习率 mom

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：66560
    • 提供者：weixin_38545332

  1. pytorch学习笔记（十五）————动量与学习率衰减

  2. pytorch学习笔记（十五）————动量与学习率衰减目录动量学习率衰减 目录 动量 从形式上看， 动量算法引入了变量 z充当速度角色——它代表参数在参数空间移动的方向和速率。速度被设为负梯度的指数衰减平均。名称 动量（momentum），相当于引入动量前的梯度概念，指示着loss在参数空间下一步要下降的方向和大小。 其中wk+1w^{k+1}wk+1表示更新后权重；wkw^{k}wk表示更新前权重；zk+1z^{k+1}zk+1代表动量，，α表示学习率 从公式zk+1=βzk+▽f(wk)z

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：854016
    • 提供者：weixin_38679276

  1. Pytorch——梯度下降的变化，数据预处理，权重初始化，防止过拟合

  2. 文章目录梯度下降的变化1. SGD随机梯度下降2. Momentum3. Adagrad4. RMSprop5. Adam数据预处理1. 中心化2. 标准化3. PCA主成分分析4. 白噪声权重初始化1. 随机初始化2. 稀疏初始化3. 初始化偏置（bias）4. 批标准化（Batch Noemalization）防止过拟合1. 正则化2. Dropout 梯度下降的变化 1. SGD随机梯度下降 每次使用一批（batch）数据进行梯度的计算，而不是计算全部的梯度 2. Momentum SGD

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：58368
    • 提供者：weixin_38728276

  1. VisualTF:可视化tensorflow学习记录，通过可视化方式观察梯度下降以及权重，偏差等变化情况。数据挖掘入门，推荐系统入门numpy，matploytlib-源码

  2. 可视化TF numpy，matploytlib h（x）= w * x + b作为连续值w，b就是需要不断进行修正。一般都是通过梯度下降的方法将w，b进行修正。的速度一般的梯度下降方式有： 新元 最简单的方式，就是测试数据分批进行神经网络计算。 势头 传统的W参数更新为：W + =-学习率* dx动量则是加上一个惯性，即m = b1 * m学习率* dx W + = m 阿达格拉德 对学习率进行更新：v + = dx ^ 2 W + =-学习率* dx /√vv算是一种惩罚措施，逼迫朝着正

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：737280
    • 提供者：weixin_42108054
« 12 3 4 5 »