学生式学习机制
机器学习
2023-08-01 v1
摘要
关于人工神经网络的研究很少同时解决梯度消失与过拟合问题。在本研究中，我们遵循具有解释、挑选、理解、填鸭与组织特征的学生学习过程，推导出学生式学习机制（PLM），借此修改二层神经网络（2LNNs）的网络结构与权重。PLM 由顺序学习、自适应学习、完美学习与低过拟合学习模块组成。基于铜价预测数据集，我们进行了验证 PLM 模块设计的实验，以及评估 PLM 性能的实验。实证结果确实认可了 PLM 模块设计，并显示出所提 PLM 模型相对于线性回归模型与基于传统反向传播的 2LNN 模型的优越性。
引用
@article{arxiv.2307.16141,
title = {Pupil Learning Mechanism},
author = {Rua-Huan Tsaih and Yu-Hang Chien and Shih-Yi Chien},
journal= {arXiv preprint arXiv:2307.16141},
year = {2023}
}