完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 蕭子健 | en_US |
dc.contributor.author | Hsiao Tzu-Chien | en_US |
dc.date.accessioned | 2014-12-13T10:51:43Z | - |
dc.date.available | 2014-12-13T10:51:43Z | - |
dc.date.issued | 2008 | en_US |
dc.identifier.govdoc | NSC97-2221-E009-121 | zh_TW |
dc.identifier.uri | http://hdl.handle.net/11536/102850 | - |
dc.identifier.uri | https://www.grb.gov.tw/search/planDetail?id=1688483&docId=291185 | en_US |
dc.description.abstract | 現行多變數分析法則中,混入明顯雜訊時,預估的資料會有outlier 之情形發生,我 們將廣泛應用在生物訊號量測的多變數分析方法中的部分最小平方法( Partial Least Squares,簡稱PLS )與一般化( Regularization )的理論做整合,提出一強化分析的新 架構部分一般化最小平方法( Partial Regularized Least Squares,簡稱PRLS )並用以改 善逆傳式網路(Backpropagation Network,簡稱BPN)的三個主要的缺點: 學習過程收 斂速度慢、隱藏層神經元數量之最佳化設定、及學習結果為區域最小誤差等問題。 我們提出一新架構的三層式網路PRLS_BPN,利用PLS 在對輸入變數做分解的過 程中將最小平方法( Least Squares,簡稱LS )取代為一般化最小平方法( Regularized Least Squares,簡稱RLS ),可在挑選主向量時,避免選取到雜訊進而影響結果並為 BPN 設定初始權重,能有效地縮短學習時間、收斂至一個接近廣域最小的結果、以及 獲得最佳化的預測診斷結果。 預期此方法之提出,將可改善並強化BPN 計算效能,達到可以即時分析方法的要求。 | zh_TW |
dc.description.sponsorship | 行政院國家科學委員會 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.title | 新型 PRLS_BPN 分析法之開發 | zh_TW |
dc.title | Develpoment of Novel PRLS_BPN Analysis Method | en_US |
dc.type | Plan | en_US |
dc.contributor.department | 國立交通大學資訊工程學系(所) | zh_TW |
顯示於類別: | 研究計畫 |