关于毕设,读paper《XXX》的一些小笔记

本文探讨了神经网络中节点的自动增加与修剪原则,并介绍了滑动模型与普通模型的区别、MATLAB中指数函数的特点及饱和函数的定义。此外,还详细解释了在神经网络训练过程中如何通过重要度评估节点的有效性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 silding modle 与普通modle之间的差异

(即将输入处理成 滑模式的输入)






2 matlab自带的exp是否面积固定了?高瘦,矮胖


3 饱和函数

 Esign(ePb)   if |ePb|>ro

 ePb(=k*e)    if |ePb|<=ro


4 自动修整结点的问题


growing:

如果当前所有的激发值都没达到阈值(max(expi)<Gth),则应增加一个以x为中心(mean)的NN结点,来覆盖该输入的激发。



prunning:

给每个NN结点(exp的值)设一个重要度I,

若I<p,将I值变小,乘以一个小数。

若I>=p,则将I值变大,即乘以一个比1大的数(如1.2)。

若某个NN结点(第j个结点)一直激发量很小,意味着一直进行乘以小数(如0.3)的动作,则I(j)会越来越小,直到小于阈值Pth,则删除第j个结点,否则不删。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值