期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Deep Learning自编码的逼近控制系统设计
1
作者 王建晖 陈俐珠 +3 位作者 陈子聪 陈文力 黄运昌 黄星 《广州大学学报（自然科学版）》 CAS 2017年第6期57-62,共6页
在网络大数据和移动互联网时代,函数逼近广泛应用于各行各业中,深度学习和自动编码器也得到了越来越多的关注.在大数据集环境下,由于网络层数有限,以及系统参数难调优,传统有监督学习的BP神经网络算法易出现过拟合收敛到局部最优的问题... 在网络大数据和移动互联网时代,函数逼近广泛应用于各行各业中,深度学习和自动编码器也得到了越来越多的关注.在大数据集环境下,由于网络层数有限,以及系统参数难调优,传统有监督学习的BP神经网络算法易出现过拟合收敛到局部最优的问题;在应用于逼近控制系统时易出现效率低、误差大等不良效果.针对以上问题,提出一种基于Deep Learning自编码的逼近控制系统,采用逐层参数独立学习机制.通过对比仿真实验表明,无监督特征学习的深度学习自编码能有效提高逼近系统函数逼近的准确率,在逼近控制系统中具有良好的应用前景. 展开更多
关键词 DEEP LEARNING 自动编码器 BP神经网络 逼近系统
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部