搜索结果: 1-15 共查到“增量学习”相关记录23条 . 查询时间(0.177 秒)
一种基于随机权神经网络的类增量学习与记忆融合方法
连续学习 灾难性遗忘 随机权神经网络 再可塑性启发
2024/1/16
连续学习(Continual learning,CL)多个任务的能力对于通用人工智能的发展至关重要.现有人工神经网络(Artificial neural networks,ANNs)在单一任务上具有出色表现,但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象,即联结主义模型在学习新任务时会迅速地忘记旧任务。
一种空间几何角度最大化的随机增量学习模型及应用
随机权神经网络 增量学习 空间几何角度最大化约束 无限逼近性
2024/1/16
针对随机权神经网络(Random weight neural networks,RWNNs)隐含层节点随机生成过程可解释性不足和节点随机生成而导致的网络结构不紧致等问题,提出了一种空间几何角度最大化随机增量学习模型(Stochastic incremental learning model with maximizing spatial geometry angle,SGA-SIM).首先,以空间...
机器学习技术成功地应用于计算机视觉、自然语言处理和语音识别等众多领域.然而,现有的大多数机器学习模型在部署后类别和参数是固定的,只能泛化到训练集中出现的类别,无法增量式地学习新类别.在实际应用中,新的类别或任务会源源不断地出现,这要求模型能够像人类一样在较好地保持已有类别知识的基础上持续地学习新类别知识.近年来新兴的类别增量学习研究方向,旨在使得模型能够在开放、动态的环境中持续学习新类别的同时保持...
针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, ...
针对实际应用中数据的批量到达, 以及系统的存储压力和学习效率低等问题, 提出一种基于信念修正思想的SVR 增量学习算法. 首先从历史样本信息中提取信念集, 根据信念集和新增数据的特点选择相应的信念集建立支持向量回归模型并进行预测; 然后对信念集进行修正, 调整当前认知状态, 使该算法对在线和批处理增量学习都有很好的适应性. 在标准数据集上的测试验证了算法的良好性能; 在某机场噪声实测数据上的对比实...
基于自组织增量学习神经网络的信息融合技术
智能机器人 信息融合 自组织增量学习神经网络 联想记忆
2016/10/11
针对传统神经网络在实际信息融合过程中存在的一些缺陷，提出一种基于自组织增量学习神经网络 (self-organizing incremental neural network，SOINN)的信息融合方法。对不同类型传感器接收到的异构数据，使用 增量式正交分量分析(incremental orthogonal component analysis，IOCA)方法进行数据自适应降维和特征提取，将提 取...
基于增量学习思想的改进AdaBoost 建模方法
增量学习 极限学习机 精炼炉
2014/10/11
针对软测量建模的特点以及建模过程中存在的主要问题, 提出了基于AdaBoost RT 集成学习方法的软测量建模方法, 并根据AdaBoost RT 算法固有的不足和软测量模型在线更新所面临的困难, 提出了自适应修改阈值?? 和增添增量学习性能的改进方法. 使用该建模方法对宝钢300 t LF 精炼炉建立钢水温度软测量模型, 并使用实际生产数据对模型进行了检验. 检验结果表明, 该模型具有较好的预测...
混合式贝叶斯网络结构增量学习算法研究
贝叶斯网络 量学习 结构学习
2014/9/17
提出一种混合式贝叶斯网络结构增量学习算法. 首先提出多项式时间的限制性学习技术, 为每个变量建立候选父节点集合; 然后, 依据候选父节点集合, 利用搜索技术对当前网络进行增量学习. 该算法的复杂度显著低于目前最优的贝叶斯网络增量学习算法. 理论与实验均表明, 所处理的问题越复杂, 该算法在计算复杂度方面的优势越明显.
一种投票权值调整的神经网络集成增量学习方法
机器学习 神经网络 神经网络集成 增量学习
2013/8/25
针对神经网络集成增量学习中集成输出投票权值的设定问题，给出了一种投票权值调整的神经网络集成增量学习方法。该方法定义了神经网络集成中子神经网络训练集的类核函数，通过计算待识样本与类核函数之间的核函数距离得到集成输出中子神经网络的投票权值。这种投票权值设定方法可以根据子神经网络分类器对待识样本的分类性能自适应地调整集成输出的投票权值，是一种更加合理的集成输出投票权值设定方法。仿真实验表明，这种投票权值...
改进的SVDD增量学习算法
支持向量数据描述 KKT条件 支持向量
2009/11/26
通过对SVDD增量学习中原样本和新增样本的特性分析，提出一种改进的SVDD增量学习算法。在增量学习过程中，该算法选取原样本的支持向量集和非支持向量中可能转为支持向量的样本集以及新增样本中违反KKT条件的样本作为训练样本集，舍弃对最终分类无用的样本。实验结果表明，该算法在保证分类精度的同时减少了训练时间。
一种改进的支持向量机增量学习算法
支持向量机 增量学习 分类
2009/7/9
提出了一种改进的支持向量机增量学习算法。分析了新样本加入后，原样本和新样本中哪些样本可能转化为新支持向量。基于分析结论提出了一种改进的学习算法。该算法舍弃了对最终分类无用的样本，并保留了有用的样本。对标准数据集的实验结果表明，该算法在保证分类准确度的同时大大减少了训练时间。
基于特征子空间的目标跟踪方法能适应目标状态的变化，并对光照等外部环境不敏感，但通常假定特征子空间的基向量固定，这样不仅需要离线训练，而且在目标姿态发生较大改变时，跟踪精度会降低。提出一种基于增量学习的Rao-Blackwellized粒子滤波算法，通过在线学习获得特征子空间的基向量，并用解析的方法对目标在子空间的投影参数进行在线更新。实验表明，新算法在目标有较大形变、姿态变化和光照等条件变化时，能...
支持增量学习的文本单类别分类算法
支持向量机 单类别分类 文本/网页分类
2009/7/6
目前的文本单类别分类算法在进行增量学习时需要进行大量的重复计算，提出了一种新的用于文本的单类别分类算法，在不降低分类效果的同时，有效地减少了加入新样本学习时所需的计算量，从而比较适合于需要进行增量学习的情况。该方法已进行了测试实验，获得了较好的实验结果。
基于增量学习和阈值优化的自适应信息过滤研究
自适应信息过滤 伪相关反馈 增量学习 阈值优化
2009/3/6
为了适应实时在线的网络信息过滤需求，提出了一种新的自适应过滤模型。在系统的初始化阶段，运用增量学习方法对附加的少量伪相关文档进行学习，采用改进的文档词频方法来抽取特征词，以此扩展需求模板，提高模板准确度。在系统测试阶段，以系统效能指标最优为目标，提出了将概率模型和文档正例分布统计方法相结合来实现阈值优化的新算法。