首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于交替方向乘子算法的l1正则化极限学习机的算法研究

摘要第4-6页
ABSTRACT第6-8页
第一章 绪论第13-19页
    1.1 课题研究背景及意义第13-14页
    1.2 神经网络的研究现状第14-16页
    1.3 前人成果概述第16-17页
    1.4 本文研究内容第17-19页
第二章 极限学习机理论及正则化求解方法第19-27页
    2.1 极限学习机的基础理论知识及优缺点第19-23页
        2.1.1 极限学习机的基础理论知识第19-20页
        2.1.2 极限学习机的优缺点及改进第20-23页
    2.2 正则化极限学习机的值函数第23-24页
    2.3 交替方向乘子算法基本原理第24-26页
        2.3.1 对偶算法第24-25页
        2.3.2 增广拉格朗日乘子法第25-26页
        2.3.3 交替方向乘子算法第26页
    2.4 本章小结第26-27页
第三章 基于交替方向乘子算法(ADMM)的l_1-regularized-ELM算法研究及应用第27-41页
    3.1 引言第27页
    3.2 基于ADMM的l_1-regularized-ELM算法第27-29页
    3.3 理论证明及分析第29-30页
    3.4 实验仿真结果及分析第30-34页
    3.5 混合预测模型的理论知识及应用第34-40页
        3.5.1 混合预测模型的建立第34-37页
        3.5.2 混合预测模型的理论误差分析第37页
        3.5.3 混合预测模型在软测量中的应用第37-40页
    3.6 本章小结第40-41页
第四章 基于在线ADMM的神经网络稀疏监督学习第41-57页
    4.1 引言第41-42页
    4.2 基于在线ADMM的神经网络稀疏监督学习第42-45页
    4.3 多分类问题第45页
    4.4 实验仿真结果及分析第45-56页
        4.4.1 在线回归实验分析第46-51页
        4.4.2 在线分类实验分析第51-56页
    4.5 本章小结第56-57页
第五章 总结与展望第57-59页
    5.1 总结第57-58页
    5.2 展望第58-59页
参考文献第59-63页
致谢第63-65页
研究成果及发表的学术论文第65-67页
导师和作者简介第67-69页
附件第69-70页

论文共70页,点击 下载论文
上一篇:Zn-Al-LDH-ANTS荧光探针的可控制备及双功能荧光传感应用研究
下一篇:基于氧化物半导体纳米材料的NO2气体传感器研究