深度学习中的正则化.docxVIP

下载本文档

3
0
约1.2万字
约 24页
2024-07-12 发布于江苏
举报

深度学习中的正则化.docx

本篇论文介绍了两种常见的regularization方法，即参数惩罚正则化和岭回归，其中L2正则化能有效降低泛化误差，但在增加训练误差方面也有所提高此外，还引入了Ridge回归的数据处理和模型理解，从而获得显著的结果文章首先通过多维数据集的线性回归和岭回归进行了评估，结果显示Ridge回归在训练集上的表现优于线性回归接着，对ChallengerUSASpaceshuttleORing数据进行了线性回归以及多项加权的岭回归，并对比两者的预测能力，发现岭回归能够获取更

深度学习中的正则化

PAGE2

题目：

深度学习中的正则化

摘要

在深度学习中，正则化的应用十分普遍，旨在减小泛化误差的同时不过度产生偏差。限于作者水平，我将主要介绍参数惩罚正则化，即通过添加惩罚项的方式对模型进行约束。本文介绍了几种常用的范数，并且给出了L2参数惩罚和L1参数惩罚的推导过程。在最后还将用岭回归来处理具体问题，即回归分析与神经网络之间的关系。

我所使用的数据处理软件是Matlab2016b。先行对多维数据集红酒质量的影响因素进行了线性回归和岭回归，其结果岭回归的预测能力与线性回归相差无几甚至略有不如。而后又对“ChallengerUSASpaceS

深度学习中的正则化.docxVIP

深度学习中的正则化.docx

您可能关注的文档

最近下载

文档评论（0）

1亿VIP精品文档

相关文档