过拟合
过拟合的相关文献在1996年到2022年内共计207篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、地球物理学
等领域,其中期刊论文175篇、会议论文6篇、专利文献3574篇;相关期刊138种,包括水文、系统工程与电子技术、计算机仿真等;
相关会议4种,包括二〇〇八年高精度几何量光电测量与校准技术研讨会、第五届全国精密工程学术研讨会、中国化学会2002年学术会议等;过拟合的相关文献由568位作者贡献,包括李祚泳、陆文聪、陈念贻等。
过拟合
-研究学者
- 李祚泳
- 陆文聪
- 陈念贻
- 刘遵雄
- 丁晶
- 不公告发明人
- 丘水生
- 何刚
- 余芃序
- 侯文博
- 俞定君
- 刘亮
- 刘旭
- 刘汉超
- 包宏
- 叶晨洲
- 吴先鑫
- 吴晓峰
- 周平
- 周潇
- 夏兆君
- 孙功星
- 孙维亚
- 孙麟治
- 尤冬海
- 尹军辉
- 常东良
- 张云
- 张代庆
- 张凌飞
- 张占辉
- 张壮壮
- 张慧辰
- 张森
- 张江鑫
- 张笑钦
- 徐征
- 曹庭炜
- 朱嘉钢
- 朱少华
- 李岚
- 李毅
- 李鸣鸣
- 杨卓敏
- 樊明宇
- 欧阳航空
- 洪喜
- 王宗志
- 王文海
- 王永胜
-
-
卢海鹏;
韩莹;
张凯;
张龄允;
丁昱杰
-
-
摘要:
准确的短时交通流预测在智慧交通系统中至关重要.近年来,双向长短时记忆网络(BiLSTM)被广泛地应用于短时交通流预测中,但由其结构特点,易产生过拟合现象,从而影响预测精度.鉴于宽度学习系统(BLS)能够解决过拟合的问题,本文将深度学习与宽度学习相结合.进一步地,为减少噪声对车流量数据的干扰,引入变分模态分解(VMD)进行降噪处理,提出VMD-BiLSTM-BLS短时车流量预测模型.本文以PeMS交通流数据为例,进行预测分析.结果表明:与基线模型、消融模型和现有模型进行对比,本文模型预测精度均表现最佳,能够更好的反应路口短时交通流的状况.
-
-
王丹
-
-
摘要:
在对煤自然发火程度预测的方法中,采用径向基(RBF)神经网络预测煤自燃的方法容易发生局部最优、结构冗杂现象,采用支持向量机(SVM)预测会由于Mercer条件的限制导致其核函数对参数反应敏感,常规的机器学习方法存在较大误差,因此引入以相关向量机(RVM)为基础进行预测。结合晋能控股集团四老沟煤矿实际生产情况,对煤自燃升温过程进行数值模拟,并构建样本。以训练样本为基础建立相关向量机(RVM)模型,获得模型最佳参数;在已训练的模型中代入测试样本,对煤自燃温度进行预测。通过对比SVM和RBF预测方法,结果证明:采用SVM和RBF神经网络预测煤自燃的方法虽然训练误差不大,但是测试误差较高,具有“过拟合”问题,泛化能力不高,而采用RVM预测方法,其测试误差和训练误差二者相对接近,而且具有最高的预测精度。
-
-
李坤;
王潜心;
闵扬海;
龚佑兴;
苗伟;
程彤
-
-
摘要:
为了解决最小二乘估计(least squares estimation,LSQ)算法在处理高维度数据模型式时易产生模型过拟合、预报精度不高等问题,采用LASSO算法(least absolute shrinkage and selection operator)对附有周期项的二次多项式模型进行整体求解,分析6,12,18,24 h预报精度。结果表明,LASSO算法能有效避免模型参数求解的过拟合问题,极大提高二次多项式模型的预报精度,随着预报时间增加,LASSO算法优势愈加明显。
-
-
季长清;
高志勇;
秦静;
汪祖民
-
-
摘要:
卷积神经网络(CNN)是目前基于深度学习的计算机视觉领域中重要的研究方向之一。它在图像分类和分割、目标检测等的应用中表现出色,其强大的特征学习与特征表达能力越来越受到研究者的推崇。然而,CNN仍存在特征提取不完整、样本训练过拟合等问题。针对这些问题,介绍了CNN的发展、CNN经典的网络模型及其组件,并提供了解决上述问题的方法。通过对CNN模型在图像分类中研究现状的综述,为CNN的进一步发展及研究方向提供了建议。
-
-
田远洋;
徐显涛;
彭安帮;
徐炜;
殷仕明
-
-
摘要:
以雅砻江岷江和嘉陵江为研究流域,采用K-最近邻(KNN)算法模拟生成130年的气象数据,并采用SWAT模型计算各流域出口水文站的径流过程;然后分别以前5年、10年、20年、40年和80年的降雨和径流数据对网络进行训练,以最后50年数据作为验证。主要结果表明:LSTM网络的学习能力随着神经元数量增加不断提高,但对水文序列数据的学习则存在过拟合严重的问题;增加训练数据量,可以有效地降低LSTM网络过拟合现象。
-
-
李大舟;
张诗瑞;
高巍
-
-
摘要:
脊柱退化性疾病,作为脊柱外科中最常见的疾病脊椎疾病,其发病正呈现年轻化的趋势。磁共振成像作为一种非侵入式检查手段,凭借对软组织成像好、无辐射、对肌肉骨骼疾病的特异性和敏感度较高等优点,在临床上被用于脊椎疾病的诊断。该文提出了一种基于深度残差网络的脊椎病核磁共振图像人工智能分类模型,能够帮助医生实现早期的脊柱退化性疾病筛查,帮助患者尽早得到正确有效的治疗。据实验结果表明,该模型不仅可以获得比传统神经网络深度学习算法更高的脊椎疾病识别率,还可以比传统神经网络深度学习算法提高35%到85%的计算效率并节省70%以上的内存占用。这一点使得该算法能够适应于资源有限的移动终端和对延迟要求比较高的医疗场景。
-
-
蔡杰;
张华驿;
毋靖轩;
刘星;
彭庚申;
肖宇
-
-
摘要:
针对红外热图像的纹理不清晰、对比度低和背景复杂的特点,本文提出了一种基于YOLOv4-tiny的轻量级电力设备红外目标检测网络。采用CIoU损失函数并结合标签平滑策略,对网络模型进行训练,以抑制网络训练过程中的过拟合问题,提升网络的泛化能力。实验结果表明,该算法在七类电力设备红外图像数据集上进行训练测试,检测精度达到90.12%,实时检测速度达到50FPS(on Tesla T4 GPU),相比于原YOLOv4-tiny,在检测速度上有较小的牺牲,但是检测精度有所提升,且明显高于现在的主流模型YOLOv3-tiny和YOLOv4,满足了复杂场景下电力设备检测任务的精度与实时性要求。
-
-
李文举;
苏攀;
崔柳
-
-
摘要:
为了解决深度学习模型在小数据集或存在长尾效应的数据集上训练存在过拟合的问题,提出在训练模型的过程中加入随机扰动,并提出了随机扰动模块(Random Perturb Module,RPM)。RPM模块首先计算输入特征的均值ζ,然后使用均值为0、方差为ζ/C的正态分布向网络提取的特征图中加入随机扰动。所提方法在CTSRD中国交通标志数据集和GTSRB德国交通标志数据集上的识别精度分别达到了96.9%和99.4%,同时相比原有模型,所提方法有效抑制了在CTSRD数据集上训练导致的过拟合现象,在PASCAL VOC 2012数据集上,基于残差网络的SSD模型和YOLOv3模型分别获得了10.7%和1.2%的mAP精度提升。实验证明,所提方法可以有效抑制模型过拟合,并在一定程度上提高模型的预测精度。
-
-
刘后胜;
张洋;
陶健林
-
-
摘要:
Xception模型的训练精度很高,但预测精度不是很高,即出现模型训练过拟合现象,文章对该模型结构做了进一步的优化改进,将改进后的模型应用于垃圾图片分类,实验结果显示优化改进的模型虽然训练精度有所降低,但预测精度比原始的Xception模型有所提高,在一定程度上纠正了过拟合现象。
-
-
万晓凡;
徐泽宇;
张营
-
-
摘要:
针对哪种类型神经网络对航空发动机剩余寿命预测结果更为准确的问题,采用对不同神经网络预测结果比较的方法,通过搭建双向长短时记忆网络预测模型的实验,对网络结构进行过拟合优化和对数据进行预处理后代入模型进行计算,再对长短时记忆网络的结果进行比对。结果表明,双向长短时记忆网络预测效果要比长短时记忆网络有更好的预测能力。
-
-
续志军;
洪喜
- 《二〇〇八年高精度几何量光电测量与校准技术研讨会》
| 2008年
-
摘要:
利用神经网络进行光电轴角编码器的误差补偿,是一种新的编码器误差修正技术。在利用径向基函数网络(RBF)建立非线性模型对编码器的长周期误差进行修正时,实验数据中的随机噪声会造成过拟合现象的产生,影响模型的补偿效果。针对RBF网络的过拟合现象,分别采用滑动平均法与异常点剔除法对实验数据进行预处理以减小随机噪声的影响。实验表明,使用径向基神经网络进行误差补差可以将编码器的系统精度提高至3倍以上,在此基础上对建模数据进行预处理,可以进一步优化网络性能,使得编码器的系统精度在原有基础上得到进一步的改善,验证了方法的有效性。
-
-
李鸣鸣;
龚振邦;
欧阳航空;
孙麟治
- 《第五届全国精密工程学术研讨会》
| 2005年
-
摘要:
实验数据的非线性建模,是对各种仪器、设备的性能进行校正和补偿的基础.讨论了神经网络非线性建模时数据中的噪声成分造成的过拟合现象以及对模型精度的影响,针对RBF网络给出了2种提高建模精度的方法:建模数据预处理法和网络参数优化法.在数据预处理方法中,根据建模样本的特点,分别采用滑动平均法和灰色模型法对原始建模数据进行修正,并分析了它们的适用场合;对于后一种方法,选择径向基函数分布宽度和学习目标进行优化.以精密平台为例进行了实验,通过对其定位误差的测量、建模和预测,证明了上述各种方法的有效性,特别是后一种方法,可以得到非常高的建模精度。
-
-
刘亮;
杨柳;
双菊荣;
徐勋华;
陆文聪;
陈念贻
- 《中国化学会2002年学术会议》
| 2002年
-
摘要:
支持向量机(SVM)算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法.由于它根据严格的数学理论,同时考虑了拟合精度和对过拟合的抑制,故能基于小样本集作较可靠的计算机预报.本工作用这一算法研究了11类排量为125cc的四冲程摩托车的综合排气性能的分类和预报方法,并用留一法比较了SVM算法与Fisher法和KNN法的预报准确率.结果表明:SVM算法所建立的数学模型的预报正确率比Fisher法和KNN法高,因此,SVM算法可望应用于环保领域.
-
-
-
-
-