导读:本文包含了正则化函数论文开题报告文献综述及选题提纲参考文献，主要关键词:数值微分,正则化方法,稳定项,Huber函数
正则化函数论文文献综述
闵涛,刘静[1]（2019）在《基于Huber函数的数值微分正则化方法》一文中研究指出将Huber函数作为正则化方法中的稳定项,通过离散得到了数值微分这一不适定问题的稳定数值解,并与已有的Tikhonov正则化和全变差正则化进行了比较,结果表明基于Huber函数的数值微分正则化方法具有精度高和稳定性好的特点.(本文来源于《应用泛函分析学报》期刊2019年03期）
贺彦林,田业,顾祥柏,徐圆,朱群雄[2]（2019）在《基于正则化的函数连接神经网络研究及其复杂化工过程建模应用》一文中研究指出在化工过程的建模中,由于过程数据的高维度和高非线性,导致计算量大幅提升和建模难度加大。为了解决这一问题,本文提出一种基于正则化方法的函数连接神经网络模型(regularization based functional link neural network, RFLNN)。所提出的RFLNN方法里,通过使用正则化的方法对函数连接神经网络的权值进行优化,一方面大幅降低网络计算复杂度和计算量,另一方面极大程度上克服网络局部极值和过拟合的问题,以提高函数连接神经网络的学习速度和精度。为了验证本文所提方法的有效性,首先采用UCI数据中Real estate valuation数据对其性能进行测试;随后将所提的方法应用于高密度聚乙烯(High Density Polyethylene,HDPE)复杂生产过程进行建模。UCI标准数据与工业数据的仿真结果表明,与传统FLNN对比,本文所提出的RFLNN在处理高维复杂化工过程数据时具有收敛速度快、建模精度高等特点。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
龚庆[3]（2019）在《基于改进的损失函数和联合图正则化的半监督跨媒体特征映射方法研究》一文中研究指出随着互联网及信息处理技术的发展,多媒体数据海量增加。如何将异构多媒体数据特征转化为同构的数据特征,进而测量不同类型媒体数据之间的相似性是跨媒体检索面临的主要挑战。本文探讨损失函数的改进方法和联合图正则化的改进方法,设计改进的基于半监督的跨媒体特征映射方法。现有的跨媒体检索方法大多是对相似性和语义信息分别进行建模。这两种信息的共同建模能够改善跨媒体检索的性能。现有方法没有充分利用未标记的多媒体数据且对噪声数据和异常值较敏感。本文通过设计改进的损失函数和联合正则化方法来提升跨媒体检索的性能。(1)损失函数中加入了多媒体数据的未标记信息来优化跨媒体特征映射方法,利用特征距离表示优化过程中未标记数据的语义信息,并利用联合图正则化方法获得识别性更高的跨媒体检索映射矩阵。(2)基于l1范数的重构正则约束改进了跨媒体检索的性能,探讨了基于公共子空间理论学习不同类型媒体数据的稀疏映射矩阵,并利用l2,1范数代替传统的F范数对损失函数进行正则化,使学习到的映射矩阵更稀疏。(3)由于传统的图拉普拉斯算子对噪声较敏感,本文基于l1范数的图拉普拉斯算子对多媒体数据的初始结构信息进行正则化,使得提出的方法对噪声和异常值具有更强的鲁棒性。在此基础上,进一步提出了基于交替方向乘子法的优化算法,用于优化基于l1范数的图拉普拉斯正则化方法。本文在公开数据集Wikipedia和XMedia上对所设计的方法进行了测试,并与现有方法进行了比较。大量实验结果表明,所做工作在一定程度上提高了跨媒体检索的性能。(本文来源于《山东大学》期刊2019-05-18）
冯进凯,王庆宾,黄炎,范雕[4]（2019）在《基于局部重力场建模的Tikhonov正则化点质量核径向基函数方法》一文中研究指出针对点质量核径向基函数应用于局部重力场建模中的设计矩阵严重病态问题,本文引入Tikhonov正则化方法对传统点质量核径向基函数方程进行改造,建立了相应的正则化模型。通过模拟数据进行仿真实验,以传统格网化方法作为对比试验,利用"标靶法"确定两种模型的最优结构。实验结果表明:正则化点质量核径向基函数可以直接利用离散数据进行局部重力场建模。在两种模型的最优结构下,当实测数据无污染时,正则化方法达到与传统格网化方法相当的精度;当实测值中加入3 mGal的高斯白噪声时,正则化方法的精度获得了27.9%的提升。这说明本文方法可以应用于局部重力场建模中,且模型结构更优,抗干扰能力更强。(本文来源于《吉林大学学报(地球科学版)》期刊2019年02期）
彭钊,陈志遥,李赫[5]（2019）在《一种基于Tikhonov正则化的改进多面函数拟合法》一文中研究指出多面函数拟合法的平滑系数取值问题一直没有得到很好的解决,为此,提出一种基于Tikhonov正则化的改进多面函数拟合法。该方法引入正则化替代平滑系数,根据泛化误差极小化原则确定正则化系数,规避了平滑系数的不确定性,并去除了原方法核函数个数的约束条件。通过GPS水平速度场拟合的实例对改进方法进行验证,并与原方法的结果进行比较。结果表明,改进方法拟合效果稳定,拟合精度和泛化能力较原方法均有明显提高。(本文来源于《大地测量与地球动力学》期刊2019年03期）
高峰[6]（2018）在《基于稀疏正则化和基函数扩展的桥梁影响线识别方法》一文中研究指出桥梁影响线反映结构固有特性,具有对损伤敏感和对环境变化较不敏感的优点。监测桥梁在不同使用阶段的影响线状态及其变化趋势,对于评估桥梁服役性能有重要意义。基于移动车辆与桥梁响应实测信息可反演出影响线,但桥梁响应包含动力效应等干扰因素,于是增加了精确识别影响线的难度。为此提出基于基函数扩展和稀疏正则化的桥梁影响线识别方法,可使识别解满足数学最优的同时,更加符合影响线的物理意义。该方法采用基函数扩展法建立新的影响线表达形式,利用叁次B样条曲线和叁角函数构造基函数,然后结合稀疏正则化方法,建立优化目标函数,求解基函数权重系数。通过实验室钢筋砼3跨连续梁的试验验证,表明上述影响线识别方法有较高的识别精度,具备工程应用的良好潜力。(本文来源于《湖南交通科技》期刊2018年03期）
缪炳荣,周凤,陈翔宇,杨树旺,李旭娟[7]（2018）在《利用核函数和不同正则化方法的结构载荷识别混合技术研究》一文中研究指出提出一种基于核函数和不同正则化方法进行载荷识别技术研究,以提高识别精度。首先,根据结构系统的逆问题理论和Green核函数方法建立动力学方程;其次,采用正则化技术,如Tikhonov方法、截断奇异值分解(TSVD)方法、LSQR方法等,通过混合方法增加虚拟边界约束条件对不适定性问题求解;最后,结合实际算例和利用混合方法进行载荷识别的数值计算与试验验证。结果表明:混合方法中利用GCV曲线选择最优的正则化参数值,通过Tikhonov结合LSQR方法进行正则化的求解,得到的载荷识别的结果最好。尽管预测数据存在一定的分散性误差,但是识别能力良好、总体误差较小、相关性系数较大。基于Green函数和正则化技术的载荷识别混合方法可以有效地应用到工程实际研究。(本文来源于《振动工程学报》期刊2018年04期）
王安定,谢蓄芬,邹念育[8]（2018）在《相机响应函数定标的正则化方法》一文中研究指出相机响应函数是真实场景辐射量与图像灰度值之间的映射关系,对相机响应函数的标定具有重要的研究价值。根据相机的成像原理给出了相机响应函数的数学模型,分析了最小二乘法标定相机响应函数存在的病态问题。为了获得稳定、精确的相机响应函数,提出了一种正则化方法对相机响应函数进行标定,该方法在索波列夫空间中设置不同的正则算子。通过实验分别论证索波列夫参数不同时相机响应函数的稳定性,确定了索伯列夫空间参数,应用L曲线法确定了正则化参数。验证结果表明,正则化方法能够显着提高相机响应函数标定的稳定性和精确性。(本文来源于《大连工业大学学报》期刊2018年04期）
严博宇[9]（2018）在《最小二乘时序差分中的正则化：罚函数和贝叶斯的比较》一文中研究指出本文系统介绍了一系列最优化带罚函数的最小二乘时序差分的方法,给出了它们模型的数学表达形式和求解方法.LSTD-42将经典最小二乘时序差分进行了正则化的扩展,使得求解过程变得更加稳定;而LSTD-l1能从系数的稀疏性中获益;LSTD-l22和LSTD-l21则将投影布和不动点步分开,添加不同的惩罚约束.并将其的稀疏约束从l1惩罚扩展到了在一般特征选择中表现更好的非凸罚函数SCAD和MCP.本文从贝叶斯的观点,提出了用带稀疏先验的层次贝叶斯模型bLSTD-u和bLSTD-ω,推导得到了它们的全条件后验分布,依此可以用吉布斯采样的方法高效求解,并给出了基于经验贝叶斯的极大似然估计和基于伽马先验导出全条件后验的这两种正则化参数推断的方法.此外.本文还比较了罚函数方法和贝叶斯推断在投影步的不同之处,并在数值实验部分,在两个经典的强化学习问题上比较了最优化方法和贝叶斯推断方法的性能.实验表明,带稀疏先验的贝叶斯推断能取得与带稀疏l1惩罚的最优化方法相近的结果.且远远优于没有利用稀疏性的简单l_2惩罚.(本文来源于《武汉大学》期刊2018-05-01）
陈宗霖[10]（2018）在《带非光滑凸正则化项矩阵函数的加速梯度下降算法改进》一文中研究指出带非光滑凸正则项的矩阵函数优化问题是一类在许多领域都有应用的问题,目前已有众多关于这类问题的工作。对于这类问题,人们通常会利用梯度下降法对光滑函数进行近似,得到原函数的近似函数列,近似函数列的优化问题为线性约束核范数最小化问题(Linearly Constrained Nuclear Norm Minimization),在假设线性约束核范数最小化问题可以快速精确恢复的前提下,梯度下降法的收敛速度可以达到与光滑问题一样的O(k/1),而在[1]中求解向量函数的优化问题之时,使用加速梯度下降法进行了加速,收敛速率可以达到O(κ2)。在前人的工作中使用梯度下降法解决这类矩阵优化问题之时,通常在求解线性约束核范数最小化问题之时采用的是半定规划方法[45]或奇异值分解法[8],它们在计算大型矩阵之时代价较大,本文针对这一点选用不动点延拓迭代算法(Fixed Point Continuation)[17]加以改进,改进之后的算法可以更有效地针对较大的矩阵计算情况。(本文来源于《浙江大学》期刊2018-01-01）
正则化函数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在化工过程的建模中,由于过程数据的高维度和高非线性,导致计算量大幅提升和建模难度加大。为了解决这一问题,本文提出一种基于正则化方法的函数连接神经网络模型(regularization based functional link neural network, RFLNN)。所提出的RFLNN方法里,通过使用正则化的方法对函数连接神经网络的权值进行优化,一方面大幅降低网络计算复杂度和计算量,另一方面极大程度上克服网络局部极值和过拟合的问题,以提高函数连接神经网络的学习速度和精度。为了验证本文所提方法的有效性,首先采用UCI数据中Real estate valuation数据对其性能进行测试;随后将所提的方法应用于高密度聚乙烯(High Density Polyethylene,HDPE)复杂生产过程进行建模。UCI标准数据与工业数据的仿真结果表明,与传统FLNN对比,本文所提出的RFLNN在处理高维复杂化工过程数据时具有收敛速度快、建模精度高等特点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
正则化函数论文参考文献
[1].闵涛,刘静.基于Huber函数的数值微分正则化方法[J].应用泛函分析学报.2019
[2].贺彦林,田业,顾祥柏,徐圆,朱群雄.基于正则化的函数连接神经网络研究及其复杂化工过程建模应用[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].龚庆.基于改进的损失函数和联合图正则化的半监督跨媒体特征映射方法研究[D].山东大学.2019
[4].冯进凯,王庆宾,黄炎,范雕.基于局部重力场建模的Tikhonov正则化点质量核径向基函数方法[J].吉林大学学报(地球科学版).2019
[5].彭钊,陈志遥,李赫.一种基于Tikhonov正则化的改进多面函数拟合法[J].大地测量与地球动力学.2019
[6].高峰.基于稀疏正则化和基函数扩展的桥梁影响线识别方法[J].湖南交通科技.2018
[7].缪炳荣,周凤,陈翔宇,杨树旺,李旭娟.利用核函数和不同正则化方法的结构载荷识别混合技术研究[J].振动工程学报.2018
[8].王安定,谢蓄芬,邹念育.相机响应函数定标的正则化方法[J].大连工业大学学报.2018
[9].严博宇.最小二乘时序差分中的正则化：罚函数和贝叶斯的比较[D].武汉大学.2018
[10].陈宗霖.带非光滑凸正则化项矩阵函数的加速梯度下降算法改进[D].浙江大学.2018