本文關(guān)鍵詞：基于集成極限學(xué)習(xí)機(jī)的神經(jīng)元分類算法研究

  更多相關(guān)文章： 神經(jīng)元分類 稀疏主成分分析 極限學(xué)習(xí)機(jī) 正則化 Adaboost

【摘要】：神經(jīng)元是大腦結(jié)構(gòu)中最基本的單位,想要了解大腦的結(jié)構(gòu)和功能,就要先對(duì)神經(jīng)元進(jìn)行研究。由于神經(jīng)元結(jié)構(gòu)復(fù)雜,種類繁多,想要了解神經(jīng)元,首先就要解決神經(jīng)元的分類問(wèn)題。從現(xiàn)代神經(jīng)科學(xué)開(kāi)始以來(lái),神經(jīng)元的分類問(wèn)題一直備受爭(zhēng)議。近幾年的實(shí)驗(yàn)進(jìn)展加快了數(shù)據(jù)采集的速度,由此產(chǎn)生了大量關(guān)于神經(jīng)元的形態(tài)、生理和分子特性的數(shù)據(jù),這些數(shù)據(jù)鼓勵(lì)研究者們努力通過(guò)強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù),實(shí)現(xiàn)自動(dòng)化的神經(jīng)元分類。為了實(shí)現(xiàn)對(duì)于神經(jīng)元的有效分類,本文從神經(jīng)元的形態(tài)結(jié)構(gòu)入手,對(duì)神經(jīng)元的分類方法進(jìn)行研究。具體工作如下:(1)采用稀疏主成分分析算法提取神經(jīng)元的主要形態(tài)特征。在對(duì)神經(jīng)元分類的研究中,由于神經(jīng)元結(jié)構(gòu)復(fù)雜,形態(tài)特征較多,在對(duì)神經(jīng)元的形態(tài)特征進(jìn)行分析時(shí),首先需要對(duì)其進(jìn)行降維。稀疏主成分分析算法可以有效的對(duì)高維數(shù)據(jù)進(jìn)行降維,降維后得到的主要特征不僅能夠包含原始數(shù)據(jù)的大部分信息,而且由于部分因子載荷稀疏至零,能夠利于研究者對(duì)稀疏主成分給出具有實(shí)際意義的分析。(2)采用極限學(xué)習(xí)機(jī)算法對(duì)神經(jīng)元進(jìn)行分類。為了能夠準(zhǔn)確且快速的實(shí)現(xiàn)神經(jīng)元的分類,本文采用極限學(xué)習(xí)機(jī)算法對(duì)神經(jīng)元進(jìn)行分類,并與傳統(tǒng)的支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果證明極限學(xué)習(xí)機(jī)能夠?qū)ι窠?jīng)元進(jìn)行有效的分類,且分類精度以及訓(xùn)練速度都要優(yōu)于支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)。(3)提出了正則在線極限學(xué)習(xí)機(jī)以及基于Adaboost集成的正則在線極限學(xué)習(xí)機(jī)算法,并用于對(duì)神經(jīng)元進(jìn)行分類。為了得到更加準(zhǔn)確的分類效果,本文對(duì)在線極限學(xué)習(xí)機(jī)進(jìn)行了改進(jìn),引入正則化因子,提出了正則在線極限學(xué)習(xí)機(jī)(ROS-ELM),分析了正則化因子對(duì)在線極限學(xué)習(xí)機(jī)性能的影響。在此基礎(chǔ)上,采用Adaoost算法對(duì)正則在線學(xué)習(xí)機(jī)進(jìn)行集成,得到了更加優(yōu)化的ROS-ELM_Adaboost算法。采用ROS-ELM_Adaboost算法設(shè)計(jì)神經(jīng)元的分類模型,并通過(guò)對(duì)比實(shí)驗(yàn)證明了本文提出的兩種算法的優(yōu)勢(shì)。
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R338;TP18

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 吳平;宋淑亮;王允山;梁浩;王偉莉;吉愛(ài)國(guó);;神經(jīng)元遷移的細(xì)胞和分子機(jī)制[J];生命的化學(xué);2010年02期

2 許鐵 ,汪濤;神經(jīng)元100周年[J];生理科學(xué)進(jìn)展;1992年01期

3 馬立濤;破解記憶之謎[J];廈門(mén)科技;2002年01期

4 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 陳國(guó)斌;沈行良;;神經(jīng)元的間室模型假設(shè)[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 秦篤烈;科學(xué)家發(fā)現(xiàn)大腦神經(jīng)細(xì)胞記憶結(jié)構(gòu)變化[N];科技日?qǐng)?bào);2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 陸博;神經(jīng)元的混合模式振蕩及動(dòng)力學(xué)研究[D];華南理工大學(xué);2016年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李佳;基于集成極限學(xué)習(xí)機(jī)的神經(jīng)元分類算法研究[D];東華大學(xué);2017年

，

本文編號(hào)：1278825