导读:本文包含了神经网络生成器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,标度,卷积,正交,复数,生成器,性能指标。
神经网络生成器论文文献综述
胡博[1]（2019）在《基于PLSTM卷积神经网络和共享表示生成器的实体关系抽取的研究和实现》一文中研究指出实体关系抽取是自然语言处理的一个重要任务,由于传统的有监督分类方法往往需要大量的人工标注工作,效率低下,基于远程监督的关系抽取成为了新的研究热点。远程监督有一个强假设条件,如果两个实体存在某种关系,那么所有同时包含这两个实体的句子都在某种程度上表达了这种关系,因为这个假设实际中并不总是成立,导致自动标注的数据集中会引入较多的噪声。如何缓解远程监督中的噪声问题是当前亟待解决的研究难点。本文结合多示例学习,从句子向量表示和包向量表示两个方面来改进关系抽取的性能。在句子向量表示上,为了改进传统分段卷积神经网络忽略了段间语义关联性的问题,本文引入了BiLSTM序列化建模来学习更多关联特征,并提出了基于分段LSTM卷积神经网络PLSTM-CNN进行文本向量表示的方法。在包向量表示上,本文提出了新的共享表示生成器进行特征空间转换,将句子从原始语义空间映射到和目标关系语义相关的特征空间,从而过滤掉无关噪声的表达。和主流的注意力加权机制不同,本文提出的方法具有更强的非线性拟合能力,并且能提取更多的示例共同特征。此外本文还引入了额外的生成器损失来提高其性能。本文提出的改进方法都具有良好的可扩展性,其中共享表示生成器的具体实现是可自定义扩展的。最后本文在两个不同数据集上进行了五组实验,结果表明相比baseline本文的方法有明显的性能提升,能够有效缓解远程监督中的噪声干扰问题。(本文来源于《北京邮电大学》期刊2019-05-24）
周博[2]（2013）在《时滞神经网络的稳定性与分岔研究及伪随机数生成器的周期分布分析》一文中研究指出作为动力系统的一个分支，神经网络具有丰富的动力学行为。它在诸如模式识别、信号处理和优化计算等方面均有广泛的应用，这吸引了很多学者对其动力学行为展开研究。本文主要研究了神经网络的稳定性与分岔。伪随机数生成器在诸如蒙特卡洛模拟、计算机游戏、密码学等方面都有广泛的应用，这吸引了很多学者对其生成序列的性质展开研究。本文主要讨论一类非线性伪随机数生成器—逆伪随机数生成器的周期分布。全文共研究以下几个方面的内容。1.时间标度上混合时滞神经网络的全局指数稳定性研究在不要求激励函数单调性和有界性的条件下，通过构造Lyapunov-Krasovskii泛函，使用线性矩阵不等式(LMI)方法，同胚映射理论和时间标度理论获得了确保时间标度上混合时滞神经网络平衡点存在性、唯一性和全局指数稳定性的LMI条件。其结论推广了现有的结果。2.时滞复值神经网络的有界性与完全稳定性研究通过使用局部抑制方法,获得了时滞复值神经网络轨线有界的判定条件和网络的全局吸引集。通过运用能量极小化理论和拉格朗日中值定理，以及化复LMI为实LMI的方法，获得了网络完全稳定的实LMI形式的判定条件。值得指出的是，本文不但去掉了一些文献中要求网络的平衡点孤立的条件，还将一些文献中有关实值神经网络有界与完全稳定的结果推广到了复值神经网络中。3.带有有限分布时滞的叁神经元网络的局部稳定性与局部分岔研究通过将有限分布时滞作为分岔参数，研究了带有有限分布时滞的叁神经元网络的局部稳定性与局部分岔。首先，通过分析网络线性化系统特征方程根的分布获得了分岔临界值。通过运用中心流形定理和规范型理论获得了验证分岔周期解的临界性与稳定性的条件。其结论推广了现有的结果。4.Galois环上逆伪随机数生成器的周期分布研究通过运用转化法将逆伪随机数生成器转化为等价的线性反馈位移寄存器，进一步将线性位移寄存器的周期分布问题规约为Galois环上其特征多项式根的阶数分布问题。经过分析得到了Galois环上逆伪随机数生成器的周期分布的全部信息。其结论推广了现有的结果。(本文来源于《重庆交通大学》期刊2013-05-01）
邹阿金,刘祖润,扶蔚鹏[3]（1998）在《神经网络自动生成器》一文中研究指出介绍了神经网络自动生成器的设计思想，即在正交基函数神经网络的基础上，根据性能指标的变化自动修改网络的拓朴结构，仿真实验表明，该方法在训练过程中改善了收敛速度，具有优良的逼近任意非线性映射的特性．(本文来源于《湘潭大学自然科学学报》期刊1998年02期）
神经网络生成器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
作为动力系统的一个分支，神经网络具有丰富的动力学行为。它在诸如模式识别、信号处理和优化计算等方面均有广泛的应用，这吸引了很多学者对其动力学行为展开研究。本文主要研究了神经网络的稳定性与分岔。伪随机数生成器在诸如蒙特卡洛模拟、计算机游戏、密码学等方面都有广泛的应用，这吸引了很多学者对其生成序列的性质展开研究。本文主要讨论一类非线性伪随机数生成器—逆伪随机数生成器的周期分布。全文共研究以下几个方面的内容。1.时间标度上混合时滞神经网络的全局指数稳定性研究在不要求激励函数单调性和有界性的条件下，通过构造Lyapunov-Krasovskii泛函，使用线性矩阵不等式(LMI)方法，同胚映射理论和时间标度理论获得了确保时间标度上混合时滞神经网络平衡点存在性、唯一性和全局指数稳定性的LMI条件。其结论推广了现有的结果。2.时滞复值神经网络的有界性与完全稳定性研究通过使用局部抑制方法,获得了时滞复值神经网络轨线有界的判定条件和网络的全局吸引集。通过运用能量极小化理论和拉格朗日中值定理，以及化复LMI为实LMI的方法，获得了网络完全稳定的实LMI形式的判定条件。值得指出的是，本文不但去掉了一些文献中要求网络的平衡点孤立的条件，还将一些文献中有关实值神经网络有界与完全稳定的结果推广到了复值神经网络中。3.带有有限分布时滞的叁神经元网络的局部稳定性与局部分岔研究通过将有限分布时滞作为分岔参数，研究了带有有限分布时滞的叁神经元网络的局部稳定性与局部分岔。首先，通过分析网络线性化系统特征方程根的分布获得了分岔临界值。通过运用中心流形定理和规范型理论获得了验证分岔周期解的临界性与稳定性的条件。其结论推广了现有的结果。4.Galois环上逆伪随机数生成器的周期分布研究通过运用转化法将逆伪随机数生成器转化为等价的线性反馈位移寄存器，进一步将线性位移寄存器的周期分布问题规约为Galois环上其特征多项式根的阶数分布问题。经过分析得到了Galois环上逆伪随机数生成器的周期分布的全部信息。其结论推广了现有的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络生成器论文参考文献
[1].胡博.基于PLSTM卷积神经网络和共享表示生成器的实体关系抽取的研究和实现[D].北京邮电大学.2019
[2].周博.时滞神经网络的稳定性与分岔研究及伪随机数生成器的周期分布分析[D].重庆交通大学.2013
[3].邹阿金,刘祖润,扶蔚鹏.神经网络自动生成器[J].湘潭大学自然科学学报.1998
论文知识图
