(3.235.25.169) 您好!臺灣時間:2021/04/18 04:00
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:李俊穎
研究生(外文):Chun-Ying Li
論文名稱:深層樹狀神經網路之初步研究
論文名稱(外文):Primary Study on Deep Tree-like Neural Networks
指導教授:謝哲光謝哲光引用關係
指導教授(外文):Jer-Guang Hsieh
學位類別:碩士
校院名稱:義守大學
系所名稱:電機工程學系
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:2019
畢業學年度:107
語文別:中文
論文頁數:82
中文關鍵詞:決策樹神經網路樹狀神經網路機器學習
外文關鍵詞:decision treeneural networktree-like neural networkmachine learning
相關次數:
  • 被引用被引用:0
  • 點閱點閱:31
  • 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
決策樹是一種方便且實用之統計分析工具。在資料量較為龐大的情況下,它有能力去挖掘出資料裡可能相對較為複雜的結構,而這些結構可能是傳統統計回歸模型辦不到的。再者,它可以呈現在所有輸入變數中相對重要的變數。基於上述之優點,本論文所要探討的深層樹狀神經網路是模仿相關的決策樹之架構,且其輸入變數是由決策樹所決定。我們將示範如何使用樹狀神經網路於真實資料集之機器學習問題中,並與標準全連結的人工神經網路作比較。
Decision tree is a handy and useful tool for statistical analysis. With relatively large data, it may mine some relatively complicated structure in the data, which may not be revealed using the traditional statistical methods. Moreover, it may uncover relatively important input variables among all input variables. Based on the aforementioned advantages of the decision tree, the proposed deep tree-like neural networks mimic the architecture of the relevant decision trees, and the input variables are determined mostly by decision trees. Some real-world datasets will be used to compare the performances of the proposed tree-like neural networks and the standard densely connected neural networks.
誌謝 i
中文摘要 ii
英文摘要 iii
目錄 iv
圖目錄 v
表目錄 vii
第一章 緒論 1
1.1 研究動機與目的 1
1.2 論文架構 2
第二章 決策樹與人工神經網路 3
2.1決策樹簡介 3
2.2決策樹例題示範 3
2.3人工神經網路簡介 39
第三章 樹狀神經網路 41
3.1 簡介 41
3.2 二元分類問題 43
3.3 多元分類問題 51
3.4 回歸問題 59
3.5 例題總結 68
第四章 結論與討論 70
參考文獻 71
[1] J.G. Hsieh, J.H. Jeng, Y.L. Lin, and Y.S. Kuo, Pathways to Machine Learning and Soft Computing. EHGBooks, USA, 2018.
[2] 謝哲光、鄭志宏、郭英勝、龔志銘、陳軒盈,實用深度學習,滄海,台中,台灣,2018。
[3] J. Brownlee, Deep Learning with Python. (e-book), 2017.
[4] F. Chollet, Deep Learning with Python. First edition. Manning Publications, Shelter Island, New York, USA, 2017.
[5] A. Gulli and S. Pal, Deep Learning with Keras. First edition. Packt Publishing, Birmingham, United Kingdom, 2017.
[6] J.J. Faraway, Extending the Linear Model with R. Second edition, Chapman & Hall/CRC, Florida, USA, 2006.
[7] J. Maindonald and J. Braun, Data Analysis and Graphics Using R. Third edition, Cambridge University Press, Cambridge, United Kingdom, 2010.
[8] B.S. Everitt and T. Hothorn, A Handbook of Statistical Analysis Using R. Third edition, Routledge Publishing, London, United Kingdom, 2014.
[9] J. Bozsik, "Decision tree combined with neural networks for financial forecast," Periodica Polytechnica Electrical Engineering (Archives), vol. 55, no. 3-4, pp. 95-101, 2011. Available at: https://pp.bme.hu/ee/article/view/2122.
[10] R. Balestriero, "Neural decision trees," 2017. Available at: https://www.researchgate.net/publication/314080120_Neural_Decision_Trees.
[11] Y. Yang, I.G. Morillo, and T.M. Hospedales, "Deep neural decision trees," in Proceeding of 2018 ICML Workshop on Human Interpretability in Machine Learning, Stockholm, Sweden, 2018, pp. 34-40.
[12] 謝哲光、郭英勝、龔志銘、鄭志宏,實用R程式設計,第二版,碁峯,台北,台灣,2018。
[13] 郭英勝、鄭志宏、龔志銘、謝哲光,實用Python程式設計,第二版,碁峯,台北,台灣,2018。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔