文件名称：matlab查看fig原代码-Retraining:再培训
文件大小：7.59MB
文件格式：ZIP
更新时间：2024-06-16 06:52:25
系统开源
matlab查看fig原代码用于大数据分析的基于多模型最小二乘的计算框架 抽象的： 大多数多层神经网络由两个单独的阶段组成：无监督的特征表示和监督的最终分类。 具体而言，当捕获隐藏空间（潜在空间）特征时，无需任何修改即可将其固定。 但是，在大数据分析的情况下，肯定有比直接代表的线索更多的线索。 在其他世界中，仅考虑无监督表示形式还不足以进行最后阶段的分类。 为了解决这个问题，本文提出了两种新颖的基于LS的表示学习方法RML-MP和SRML-MP，以实现更好的泛化性能。 特别地，将输出层的误差矩阵拉回到每个隐藏层，并使用输入和拉出的误差来更新和重新计算每个隐藏层中的权重。 跨域验证的实验结果（样本数量从3000到180万以上不等）验证了所提出模型的有效性。 贡献： 一，体系结构方面-提出了两种基于LS的新颖算法，分别称为RML-MP和SRML-MP。 具体来说，i）为了区别性地增强潜在空间特征，开发了RML-MP； ii）通过建议的SRML-MP策略生成输入模式的全局表示。 二。 应用程序方面-本文在应用程序方面的主要贡献是使用OC-SNN和MCOC-SNN，它们利用高级抽象功能来处理诸
【文件预览】：
Retraining-main
----M_2.mat(6.9MB)
----f.jpg(669KB)
----Demo_MNIST.zip(16KB)
----f1.jpg(725KB)
----README.md(4KB)
----Demo_Caltech101.zip(13KB)