(18.206.177.17) 您好!臺灣時間:2021/04/16 23:52
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:涂宏成
研究生(外文):Tu, Hong-Cheng
論文名稱:隨機尋優技巧應用於類神經網路學習之研究
論文名稱(外文):Random search techniques for complex neural network learning
指導教授:林育平林育平引用關係
指導教授(外文):Lin, Yu-Ping
學位類別:碩士
校院名稱:國立交通大學
系所名稱:控制工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1994
畢業學年度:82
語文別:英文
論文頁數:99
中文關鍵詞:隨機尋優技巧類經網路自動控制工程控制工程電腦全域最小值誤差表面誤差回饋演算法
外文關鍵詞:AUTOMATED-CONTROL-ENGINEERINGCONTROL-ENGINEERINGCOMPUTERrandom search techniquesglobal minimumerror surfaceback- propagation algorithm
相關次數:
  • 被引用被引用:0
  • 點閱點閱:81
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0

近幾年來,類神經網路已經變成研究的主要領域。其之所以如此,主要是
因為類神經網路具有學習的能力,而其學習的能力是藉由學習法則來表現
。大部份的學習法則都是以梯度下降法為基礎,而梯度下降法的觀念是對
誤差函數取微分,所以導致其掉入區域最小值,無法到達全域最小值。相
對地,隨機尋優技巧不需要對誤差函數取微分,所以其不會有區域最小值
的問題。因此我們可利用隨機尋優技巧來尋找具有多形能量函數之類神經
網路的全域最小值。本論文的主旨是將隨機尋優技巧應用於具有多形能量
函數之類神經網上及利用隨機尋優技巧來改善類神經網路的性能。而且我
們會將隨機尋優技巧與誤差回授(back-propagation)的方法做一個比較。
最後我們說明隨機尋優技巧可用來解決多形能量最佳化的問題。

Neural network has become a very active area of research. Most
researches are interested in the learning ability of neural
network. Learning of neural network is specified by learning
algorithm. Many learning algorithms have been developed. Most
of them are based on the gradient descent method which
exploited the derivatives of the error function. Therefore,
they can not always find the global optimum in the case of a
multi-modal error function. They sometimes fall into a local
minimum of the error function. However, the random optimization
method does not use the derivatives of the error function.
Hence the global optimum can be found by the random
optimization method. The main objective of this thesis is to
apply random search techniques to various actual neural
networks which are multi- modal. We improve the performance of
the neural network using the common learning algorithm by
utilizing random search techniques. Finally we compare the
random search techniques to the conventional technique (e.g.
back-propagation) in global optimization. In this thesis we
investigated the ability of optimization of various methods
(including back-propagation and random search techniques).
First we briefly reviewed several random search techniques. In
addition, simulation results indicate that random search
techniques can be used to solve multi-modal optimization
problem (e.g. function approximation and patterns
classification).

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔