隨機塊模型學(xué)習(xí)算法
由于隨機塊模型能夠有效處理不具有先驗知識的網(wǎng)絡(luò)，對其研究成為了機器學(xué)習(xí)、網(wǎng)絡(luò)數(shù)據(jù)挖掘和社會網(wǎng)絡(luò)分析等領(lǐng)域的研究熱點．如何設(shè)計出具有模型選擇能力的快速隨機塊模型學(xué)習(xí)算法，是目前隨機塊模型研究面臨的一個主要挑戰(zhàn)．提出一種精細隨機塊模型及其快速學(xué)習(xí)算法，該學(xué)習(xí)方法基于提出的模型與最小消息長度推導(dǎo)出一個新成本函數(shù)，利用期望最大化參數(shù)估計方法，實現(xiàn)了邊評價模型邊估計參數(shù)的并行學(xué)習(xí)策略。以此方式顯著降低隨機塊模型學(xué)習(xí)的時間復(fù)雜性．分別采用人工網(wǎng)絡(luò)與真實網(wǎng)絡(luò)，從學(xué)習(xí)時間和學(xué)習(xí)精度兩方面對提出的學(xué)習(xí)算法進行了驗證，并與現(xiàn)有的代表性隨機塊模型學(xué)習(xí)方法進行了對比．實驗結(jié)果表明：提出的算法能夠在保持學(xué)習(xí)精度的情況下顯著降低時間復(fù)雜性，在學(xué)習(xí)精度和時間之間取得很好的折衷；在無任何先驗知識的情況下，可處理的網(wǎng)絡(luò)規(guī)模從幾百節(jié)點提高至幾萬節(jié)點．另外通過網(wǎng)絡(luò)鏈接預(yù)測的實驗，其結(jié)果也表明了提出的模型及學(xué)習(xí)算法相比現(xiàn)有隨機塊模型和學(xué)習(xí)方法具有更好的泛化能力．
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
隨機塊模型學(xué)習(xí)算法下載
相關(guān)電子資料下載
- 機器學(xué)習(xí)算法原理詳解 89
- 我去過的加拿大大學(xué)——AI深度學(xué)習(xí)算法誕生地 599
- 深入了解目標檢測深度學(xué)習(xí)算法的技術(shù)細節(jié) 150
- 什么是NanoEdge AI Studio 1389
- 深入探討線性回歸與柏松回歸 394
- 國際機器人聯(lián)合會（IFR）近期發(fā)布2024全球五大機器人趨勢 875
- 基于NumPy的機器學(xué)習(xí)算法實現(xiàn) 148
- 目前主流的深度學(xué)習(xí)算法模型和應(yīng)用案例 777
- 常用的十大機器學(xué)習(xí)算法介紹 292
- 深入研究六種最重要的機器學(xué)習(xí)算法 282