排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
近年来,在系列国家自然科学基金项目(61403179,61877033,61773320,11601464,11702237,11771242,61833005,61907033,61773152,61773185,61877030,61502212)、国家社会科学基金项目(17BGL231)和中国博士后科学基金项目(2016M601698,2017T100318,2018M642129)等的支持下,国内大数据和人工智能的理论和应用基础研究取得了长足的进展.我们将近年来本领域有代表性的部分论文成果汇集成册,在《应用数学和力学》上专辑发表,希望能对我国大数据和人工智能领域的发展有所助益. 相似文献
2.
实际问题的数据集通常受到各种噪声的影响,超限学习机(extreme learning machine, ELM)对这类数据集进行学习时,表现出预测精度低、预测结果波动大.为了克服该缺陷,采用了能够削弱噪声影响的指数Laplace损失函数.该损失函数是建立在Gauss核函数基础上,具有可微、非凸、有界且能够趋近于Laplace函数的特点.将其引入到超限学习机中,提出了鲁棒超限学习机回归估计(exponential Laplace loss function based robust ELM for regression, ELRELM)模型.利用迭代重赋权算法求解模型的优化问题.在每次迭代中,噪声样本点被赋予较小的权值,能够有效地提高预测精度.真实数据集实验验证了所提出的模型相比较于对比算法具有更优的学习性能和鲁棒性. 相似文献
3.
1