学科分类
/ 1
3 个结果
  • 简介:针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.

  • 标签: 密集连接 深度学习 超限学习机 核函数
  • 简介:单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

  • 标签: 神经网络 图像分类 深度学习
  • 简介:运用N2O-C2H2火焰原子吸收光谱法进行氢镍电池材料用氧化锆布中铁的测试研究。介绍了铁的最佳测试条件,对样品的消化处理,以及在测试过程中对样品干扰因素进行了分析。测定样品中铁含量相对标准偏差均小于1.0%(测定次数n=6),加标回收率均在97.0%~98.3%(n=6)范围。该方法具有简便、快速、灵敏度高、重现性好等特点,准确度与精密度均能满足氢镍电池研制工作的要求。

  • 标签: N2O—C2H2火焰 原子吸收光谱法 氢镍电池 氧化锆布膜