【摘 要】
：
卷积神经网络等深度神经网络凭借着其强大的表达能力、突出的分类性能,已在不同领域内得到了广泛应用.当面对高维特征时,深度神经网络通常被认为具有较好的鲁棒性,能够隐含地
【机 构】
：
智能技术与系统国家重点实验室（清华大学）,清华大学计算机科学与技术系
【基金项目】
：
国家自然科学基金（61622208,61532011,61672311）, 国家重点基础研究发展计划（973）（2015CB358700）
论文部分内容阅读
卷积神经网络等深度神经网络凭借着其强大的表达能力、突出的分类性能,已在不同领域内得到了广泛应用.当面对高维特征时,深度神经网络通常被认为具有较好的鲁棒性,能够隐含地对特征进行选择,但由于网络参数巨大,如果数据量达不到足够的规模,则会导致学习不充分,因而可能无法达到最优的特征选择.而神经网络的黑箱特性使得无法观测神经网络选择了哪些特征,也无法评估其特征选择的能力.为此,以卷积神经网络为例,首先研究如何显式地表达神经网络中的特征重要性,提出了基于感受野的特征贡献度分析方法;其次,将神经网络特征选择与传统特征评
其他文献
【关键词】教学价值;年段特点;文体;课后练习 【中图分类号】G623.2 【文献标志码】A 【文章编号】1005-6009（2015）45-0039-02 教学中，我们时常听到老师感慨：“一篇文章，学生一读就懂，真不知道还要教什么。”为什么会出现这样的困扰？笔者认为有以下两方面原因：一是教师的课堂教学目标以偏概全，错误地将“理解、分析课文内容”当成唯一的教学目标。我们应明白，教材中的课文只
一进入腊月，街上的人们比往常忙碌了许多．小孩子们欢快的背影与零星的鞭炮声，为万物凋零的岁月添加了一种生机。