分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 针对加性时变时滞不确定神经网络的时滞相关鲁棒耗散性问题,提出了一种更一般化的激活函数。与以往研究不同,充分考虑了关于神经元激活函数和加性时变时滞的充分信息。通过使用一些新的积分项构造合适的Lyapunov-Krasovskii泛函(LKF),并利用新生成的单积分不等式来计算其导数,包括延森不等式和维特林积分不等式的特殊情形。利用线性矩阵不等式(LMI)技术,建立了一个新的时滞相关的不守恒全局渐近稳定性和耗散准则。最终通过计算和数值仿真验证了所提理论的有效性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 针对目前自然语言处理研究中,使用卷积神经网络(CNN)进行短文本分类任务时可以结合不同神经网络结构与分类算法以提高分类性能的问题,提出了一种结合卷积神经网络与极速学习机的CNN-ELM混合短文本分类模型。使用词向量训练构成文本矩阵作为输入数据,然后使用卷积神经网络提取特征并使用Highway网络进行特征优化,最后使用误差最小化极速学习机(EM-ELM)作为分类器完成短文本分类任务。与其他模型相比,该混合模型能够提取更具代表性的特征并能快速准确地输出分类结果。在多种英文数据集上的实验结果表明提出的CNN-ELM混合短文本分类模型比传统机器学习模型与深度学习模型更适合完成短文本分类任务。