- 1
- 2
- 3
- 4
- 5
深度贝叶斯话题模型研究
资料介绍
泊松伽马置信网络(Poisson Gamma Belief Network,PGBN)是一种贝叶斯深度话题模型,能够通过多层非线性网络,提取出数据的多层特征信息,在文本和图像数据上有较好的分类性能,但关于PGBN模型的应用探析工作很少,因此对PGBN深度模型实用性的研究具有重要的意义,本文对网页文档实时处理应用进行研究。在PGBN模型提出之初,使用吉布斯推断方法求解参数,训练方式是批量学习(batch learning),我们组在PGBN模型的基础上提出了一种在线学习(online learning)方法,该方法使用随机梯度方法求解全局参数,吉布斯方法求解其余参数。该方法在模型训练时随机选取小数据集(minibatch)进行训练,收敛速度具有优势,但基于该训练方法的PGBN模型分类效果、特性以及实用性尚且不知,因此对基于在线学习方法的PGBN模型的研究具有重要的意义。本文以基于吉布斯推断方法的PGBN模型为基础,对基于在线学习方法的PGBN模型的分类效果和特性进行了研究,并通过编程实现对两种训练方法的PGBN模型进行应用探析。论文的主要内容如下:
1.为研究基于在线学习方法的PGBN模型在文本和图像数据上的分类性能及特性,首先对基于吉布斯方法的PGBN模型深入研究,并进行文本和图像数据分类实验仿真,得到分类效果对比基准;然后对基于在线学习方法的PGBN模型进行深入的研究,并进行相同模型参数设置的文本和图像数据分类实验仿真,最后对实验仿真结果进行分析和讨论。
2.利用三种不同的编程语言:C语言、MATLAB语言和Python语言对基于吉布斯方法的PGBN模型和基于在线学习方法的PGBN模型进行编程实现,其中C语言在执行效率上具有一定的优势,MATLAB具有很高的矩阵运算效率,Python具有很多功能强大并且简单的开源库,为模型的应用实现及扩展提供了很大的可能。在编程实现仿真实验中,对比和分析了两种不同训练方法的PGBN模型的时间和空间复杂度,并对使用Python语言实现网页文档实时处理应用的可行性进行了分析并讨论。
3.在基于在线学习方法的PGBN模型的基础上,对使用Python实现的网页文档实时处理应用进行研究与分析。在该应用中,使用爬虫技术进行网页...
部分文件列表
文件名 | 大小 |
深度贝叶斯话题模型研究.pdf | 4M |
最新上传
-
21ic小能手 打赏10.00元 2天前
-
21ic小能手 打赏10.00元 2天前
-
cai0603 打赏3.00元 3天前
用户:CJQ_ENJOY
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
cai0603 打赏3.00元 3天前
用户:dongshao
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic下载 打赏310.00元 3天前
用户:gsy幸运
-
21ic下载 打赏310.00元 3天前
用户:zhengdai
-
21ic下载 打赏310.00元 3天前
用户:小猫做电路
-
21ic下载 打赏310.00元 3天前
用户:liqiang9090
-
21ic下载 打赏270.00元 3天前
用户:kk1957135547
-
21ic下载 打赏160.00元 3天前
用户:w178191520
-
21ic下载 打赏160.00元 3天前
用户:w1966891335
-
21ic下载 打赏50.00元 3天前
用户:w993263495
-
21ic下载 打赏40.00元 3天前
用户:w993263495
-
21ic下载 打赏90.00元 3天前
用户:cooldog123pp
-
21ic下载 打赏30.00元 3天前
用户:sun2152
-
21ic下载 打赏40.00元 3天前
用户:xzxbybd
-
21ic下载 打赏40.00元 3天前
用户:铁蛋锅
-
21ic下载 打赏30.00元 3天前
用户:happypcb
-
21ic下载 打赏50.00元 3天前
用户:forgot
-
21ic下载 打赏10.00元 3天前
用户:xuzhen1
-
21ic下载 打赏20.00元 3天前
用户:wanglu6666
-
21ic下载 打赏5.00元 3天前
用户:人间留客
-
21ic下载 打赏5.00元 3天前
用户:jyxjiyixing
-
21ic下载 打赏5.00元 3天前
用户:akae_du
-
21ic下载 打赏5.00元 3天前
用户:ouyang_56
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
xlhtracy 打赏10.00元 3天前
-
xlhtracy 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
xlhtracy 打赏5.00元 3天前
-
czmhcy 打赏1.00元 3天前
资料:bitboy
全部评论(0)