文档详情

深度学习中的正则化.docx

发布：2024-07-10约1.2万字共24页下载文档
文本预览下载声明

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

显示全部
相似文档