(19)中华人民共和国国家知识产权局(12)发明专利说明书(10)申请公布号 CN 113901865 A(43)申请公布日 2022.01.07(21)申请号 CN202110971686.9(22)申请日 2021.08.24(71)申请人 苏州深思考人工智能科技有限公司    地址 215123 江苏省苏州市苏州工业园区金鸡湖大道88号人工智能产业园内G3-305单元(7...

(19)中华人民共和国国家知识产权局(12)发明专利说明书(10)申请公布号 CN 113901178 A(43)申请公布日 2022.01.07神经网络中正则化是为了干什么(21)申请号 CN202111264461.6(22)申请日 2021.10.28(71)申请人 北京航空航天大学    地址 100191 北京市海淀区学院路37号(72)发明人 程玉杰 马可 马梁 陶...

神经网络算法在金融风控中的应用与优化引言近年来，随着互联网、大数据的快速发展，金融市场也发生了巨大的变革。然而，金融市场的风控问题成为了各大金融机构亟待解决的难题。为了提高风险管理的效率和准确性，金融机构开始将神经网络算法引入风控领域，在模型构建、数据预测和风险评估等方面取得了显著的效果。本文将探讨神经网络算法在金融风控中的应用与优化。一、神经网络算法的介绍神经网络算法是模拟生物神经系统的思维方式...

神经网络中的模型选择和融合方法神经网络是一种强大的机器学习工具，它在众多领域中取得了巨大的成功。然而，神经网络的性能往往受到模型选择和融合方法的影响。本文将探讨神经网络中的模型选择和融合方法，以及它们在提高神经网络性能方面的作用。首先，我们来讨论模型选择方法。在神经网络中，模型选择是指从一组候选模型中选择最优模型的过程。常见的模型选择方法包括交叉验证、网格搜索和贝叶斯优化等。交叉验证是一种常用的模...

神经网络中的自适应权重与模型稀疏性方法分析在神经网络的发展过程中，自适应权重和模型稀疏性方法是两个重要的研究方向。自适应权重可以使网络更好地适应不同的输入数据，而模型稀疏性方法可以提高网络的泛化能力和计算效率。本文将对这两个方法进行分析和探讨。一、自适应权重方法自适应权重方法是一种通过调整神经网络中的权重参数来提高网络性能的技术。这种方法的核心思想是根据输入数据的特征和网络的输出来自动调整权重的大...

卷积神经网络中的损失函数选取及效果分析卷积神经网络（Convolutional Neural Network，简称CNN）作为一种深度学习模型，已经在计算机视觉领域取得了巨大的成功。而在CNN的训练过程中，损失函数的选取对于模型的性能和收敛速度起着至关重要的作用。本文将探讨卷积神经网络中的损失函数选取以及其对模型效果的影响。首先，我们需要了解损失函数在CNN中的作用。损失函数是用来衡量模型预测结果...

LSTM神经网络在时间序列预测中的优化与改进时间序列预测是一项重要的任务，它在许多领域中都具有广泛的应用，如金融预测、天气预测、股票市场分析等。LSTM（Long Short-Term Memory）神经网络是一种特殊的循环神经网络（RNN），它在处理时间序列数据时具有优秀的性能。然而，LSTM网络也存在一些问题和局限性。本文将探讨LSTM神经网络在时间序列预测中的优化与改进方法，以提高其性能和应...

神经网络中的注意力机制介绍及应用神经网络中正则化是为了干什么近年来，神经网络在人工智能领域取得了巨大的突破，其中注意力机制作为一种重要的技术手段，被广泛应用于各种任务中。本文将介绍神经网络中的注意力机制的基本原理，并探讨其在自然语言处理、计算机视觉和推荐系统等领域的应用。首先，让我们来了解一下神经网络中的注意力机制是如何工作的。注意力机制的核心思想是模拟人类的注意力机制，通过对输入数据的不同部分给...

神经⽹络的训练（问题集锦）问：rbf神经⽹络的训练样本要多⼤？答：因课题⽽异。1、样本最关键在于正确性和准确性。你所选择的样本⾸先要能正确反映该系统过程的内在规律。我们从⽣产现场采得的样本数据中有不少可能是坏样本，例如由于测量仪器故障导致测量数据误差较⼤等，这样的样本会⼲扰你的神经⽹络训练。通常我们认为坏样本只是个别现象，所以我们希望通过尽可能⼤的样本规模来抵抗坏样本造成的负⾯影响。2、其次是样本...

神经网络学习算法及其应用随着人工智能技术的发展，神经网络算法成为了学术界和工业界共同关注的热门话题。神经网络算法的重要性在于它可以处理大量数据，并且可以通过非常复杂、非线性的方式识别和预测数据；因此，神经网络算法已经被广泛应用于图像、语音、自然语言处理、金融、医疗、安防等多个领域。神经网络学习算法的原理神经网络是一种模拟人脑结构和功能的数学模型，它由许多节点、连接和层次组成。每个节点代表一个神经元...