随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一种基于Dropout技术的改进型SCN模型(Dropout-SCN)来自适应地约束输出权重分布和大小,以此来提高网络模型的识别精度。光纤数据验证的结果表明:与传统的SCN和L2范数正则化的SCN模型相比, Dropout-SCN模型具有更低的测试误差,有效地减缓了网络过拟合问题,提高了对光纤预警系统(OFPS)中光纤入侵信号的识别准确率。
2022-12-18 19:36:50 5.39MB 光通信 随机配置 L2正则化 Dropout技
1
对于泊松噪声污染下的模糊共聚焦图像复原问题,为解决传统方法中存在的阶梯效应,提出了一种基于Hessian矩阵范数的正则化方法.在泊松概率模型的基础上,该方法引入Hessian矩阵范数作为正则条件,并应用交替方向乘子法和梯度投影方法求解最优化模型.在激光扫描共聚焦显微镜实验中,所获得的复原图像质量优于传统方法,此结果证明了该方法可以有效地复原泊松噪声污染下的模糊共聚焦图像.
2022-12-17 18:00:18 1.35MB 共聚焦 图像复原 正则化
1
Prism 使用统计方法的组合进行基于样条的多元回归。 Prism 通过平滑样条回归、PCA 和 RVR/LASSO 的组合,使用正则化、降维和特征选择来执行此回归。 如果使用工具箱,请引用本文: 马丹,CR(2016 年)。 Prism:具有正则化、降维和特征选择的多重样条回归。 开源软件杂志,31.doi:10.21105/joss.00031
2022-12-09 09:05:30 1.19MB matlab
1
摘 要:针对经典全变差正则化模型在去噪时图像边缘易模糊的不足, 在全变差正则化模型与调和去噪模型的基础上构建了一种改进的自适应全变差正则化模型, 并利用旋转不变性更好的梯度模值确定其自适应参数, 降低该自适应正则化模型对噪声的敏感性,以兼顾图像的平滑去噪与边缘保留 数值实验结果表明, 与MARQUINA 的改进全变差正则化模型相比, 自适应全变差正则化模型的复原图像在视觉效果和峰值信噪比上都有显著提高
2022-12-04 21:29:23 330KB 图像去噪 改进 自适应全变差
1
二手车价格预测 探索具有随机森林和正则化的二手车价格预测模型。 我使用R进行数据可视化,数据插补和模型选择。 涉及的主要软件包是Hmisc,ggplot2,randomForest和glmnet。 我们正在寻求使用随机Forst和正则化技术的特征选择和预测算法。 方法是随机森林,山脊,套索和弹性网回归。 事实证明,弹性模型可以大幅度减少维数,并保持良好的预测能力。
2022-11-28 14:55:20 7KB
1
GNN基于电子健康记录的变异正则化图谱表征(Python完整源码和数据包) GNN基于电子健康记录的变异正则化图谱表征(Python完整源码和数据包) GNN基于电子健康记录的变异正则化图谱表征(Python完整源码和数据包) GNN基于电子健康记录的变异正则化图谱表征(Python完整源码和数据包)
2022-11-23 11:26:34 617KB GNN 变异正则化图谱表征
为改善电阻抗成像逆问题的不适定性,通常采用Tikhonov正则化算法来求得适当的解。正则化参数对重建图像的质量和计算速度影响较大。笔者提出了一种基于残差范数和解范数乘积的优化方法(PRS)求取电阻抗成像的正则化参数。为验证该方法的有效性,笔者针对不同的目标大小、目标位置、目标电导率、目标数目以及不同程度的噪声分别进行了重建图像的仿真实验和水槽实验。结果表明:这种优化方法可以快速找到相对最优的正则化参数,且具有良好的抗噪性能。与传统的L曲线方法相比,提高了图像重建质量。
2022-11-10 10:11:30 7.44MB 自然科学 论文
1
流形正则化matlab代码LapEMR-1.0 林晨,2012年6月 介绍 LapEMR是用于半监督学习的软件包。 该软件包包括算法LapESVR的MATLAB接口。 用法 该软件包是使用MATLAB和C ++开发的。 QP求解器改编自LIBSVM,后者由C ++通过Matlab接口实现,而其他部分则由Matlab实现。 要运行测试代码,请在Matlab提示符下执行“演示” >> demo 错误报告 此程序包由Lin Chen()开发。 如有任何有关代码的问题,请随时与Lin Chen联系。 参考 Lin Chen,Ivor Wai-Hang Tsang,Dong Xu:可扩展流形正则化的拉普拉斯嵌入式回归。 IEEE Transactions on Neural Networks and Learning Systems(TNNLS)23(6):902-915,2012年6月
2022-11-03 22:14:26 179KB 系统开源
1
Btv双边全变分正则化重建方法及重建方法其发展......
2022-10-27 16:19:10 542KB btv btv_正则化 全变分 双边全变分
1
L1范数正则化最小二乘计算min||y-Ax||^2+lambd||x||问题最优解
1