基于反饋神經(jīng)網(wǎng)絡(luò)的稀疏信號(hào)恢復(fù)的優(yōu)化算法
大?。?/span>0.70 MB 人氣： 2017-11-28 需要積分：3
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)稀疏信號(hào)的重構(gòu)問(wèn)題，提出了一種基于反饋神經(jīng)網(wǎng)絡(luò)（RNN）的優(yōu)化算法。首先，需要對(duì)信號(hào)進(jìn)行稀疏表示，將數(shù)學(xué)模型化為優(yōu)化問(wèn)題；接著，基于L范數(shù)是非凸且不可微的函數(shù)，并且該優(yōu)化問(wèn)題是NP難的，因此在測(cè)量矩陣A滿足有限等距性質(zhì)（ RJP）的前提下，提出等價(jià)優(yōu)化問(wèn)題；最后，通過(guò)建立相應(yīng)的Hopfield反饋神經(jīng)網(wǎng)絡(luò)模型來(lái)解決等價(jià)的優(yōu)化問(wèn)題，從而實(shí)現(xiàn)稀疏信號(hào)的重構(gòu)。實(shí)驗(yàn)結(jié)果表明，在不同觀測(cè)次數(shù)m下，對(duì)比RNN算法和其他三種算法的相對(duì)誤差，發(fā)現(xiàn)RNN算法相對(duì)誤差小，且需要的觀測(cè)數(shù)也少，能夠高效地重構(gòu)稀疏信號(hào)。
非常好我支持^.^
(1) 100%
不好我反對(duì)
(0) 0%
下載地址
基于反饋神經(jīng)網(wǎng)絡(luò)的稀疏信號(hào)恢復(fù)的優(yōu)化算法下載
相關(guān)電子資料下載
- 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢(shì) 112
- 基于CNN的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)設(shè)計(jì) 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò) 163
- rnn是什么神經(jīng)網(wǎng)絡(luò)模型 162
- rnn是什么神經(jīng)網(wǎng)絡(luò) 174
- 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式主要分為 129
- 簡(jiǎn)述遞歸神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程 135