泛化误差相关论文
在机器学习中,人们期望神经网络对微小输入扰动也应有较小的输出扰动,说明网络具有较高的鲁棒性,也反映了网络具有较高的泛化能力......
核矩阵近似是提高核方法计算效率的基本方法。已有的核矩阵近似方法独立于学习问题,且用于在线核方法时每回合重新求解近似核矩阵......
在机器学习与模式识别的诸多任务中,如何真实而有效地度量两个数据样本之间的相似程度是一个极其重要的问题,并极大影响着后续识别......
高速铁路（高铁）作为适应社会进步和科技发展的产物,具有运行速度快、旅客承载量大、污染低、安全性强等特性。高速铁路的无线通信系......
在机器学习领域,当训练样本稀少时,模型容易发生过拟合现象,训练出的模型泛化能力差,因此不能满足实际需要。在很多现实场景中,获......
世界是充满联系的,这种联系通常以某种形式表现出来,从数学的形式就是一种映射关系,或者说是函数关系。在信息的时代里,这种映射关......
多标签的数据类型是比单标签的数据的应用更为广泛的数据类型。相对的,多标签数据的分类比单标签数据的分类更为复杂且耗费更高,然......
在人脸识别过程中,人脸检测是人脸识别的前提和基础,人脸检测的结果对人脸识别的精度有直接的影响。人脸检测的主要工作是从静态图......
主动学习是机器学习领域中一个重要的研究分支。主动学习研究的是如何通过有选择性的获取那些最有信息量的样本的标签,使得我们可......
卫星在轨运行期间,遥测数据表现形式通常为多维时间序列.高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限,及时发现隐藏在......
在当今的现实生活中存在着很多种微信息量的数据，如何采集这些数据中的信息并进行利用，成为了数据分析领域里一个新的研究热点。机器......
分类与回归是机器学习领域的两大重要问题.研究过程中,人们通常采用与之相关的学习算法来处理这两类问题.由于学习算法的泛化性能......
神经网络的结构学习就是要确定网络的拓扑 ,使之有较好的泛化能力 .本文考虑了确定性前向网络 ,而其训练集合是随机点集的结构学习......
