融合隨機(jī)傅里葉特征的混合神經(jīng)網(wǎng)絡(luò)模型

摘要： 深度神經(jīng)網(wǎng)絡(luò)模型作為目前最成功的學(xué)習(xí)模型之一，在模型訓(xùn)練時(shí)涉及大量的參數(shù)學(xué)習(xí)，特別對(duì)于較大規(guī)模的樣本存在特征處理困難、模型結(jié)構(gòu)復(fù)雜等問題.線性或亞線性時(shí)間復(fù)雜度的核近似算法具有計(jì)算開銷小、易于擴(kuò)展到大規(guī)模數(shù)據(jù)的優(yōu)點(diǎn).因此，利用線性核近似算法可以進(jìn)行特征處理并降低深度神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)復(fù)雜程度.本文提出一種基于傅里葉特征空間的混合神經(jīng)網(wǎng)絡(luò)模型優(yōu)化方法，并由此構(gòu)建一個(gè)混合深度神經(jīng)網(wǎng)... （共7頁）