您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201704-670
论文题目 基于进化多目标优化的自步学习方法研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于进化多目标优化的自步学习方法研究

首发时间:2017-04-27

李豪 1    公茂果 1   
  • 1、 西安电子科技大学智能感知与图像理解教育部重点实验室,西安 710071

摘要:自步学习是最近提出的一种新的机器学习技术。自步学习模仿了人的学习过程。人类在学习的时候总是从简单的概念学起,然后再慢慢地学习复杂的知识。同样地,自步学习首先学习简单的样本然后再慢慢地将复杂的样本引入到训练过程中。自步学习能够很好的避免模型陷入局部最优和能够取得较好的泛化性能。在本文中,我们首先介绍了自步学习的研究进展和自步学习的相关背景。然后,本文用进化多目标优化的方法来提升自步学习,从而来解决当前自步学习模型中存在的些许问题。基于进化多目标优化的自步学习方法将损失项和自步正则项当作两个目标同时优化并且能够获得一组非支配解。本文利用多目标优化里的选解工具来挑选出较为合适的解。最后,本文在合成孔径雷达变化检测上进行了实验,从而表明了方法的有效性。

关键词: 模式识别与智能系统 机器学习 自步学习 多目标优化 进化算法;变化检测

For information in English, please click here

Research on Self-paced Learning based on Evolutionary Multi-objective Optimization

LI Hao 1    GONG Mao-Guo 1   
  • 1、 Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi'an 710071

Abstract:Self-paced learning (SPL) is a recently proposed machine learning method. SPL imitates the learning process of humans. Humans learn the easy concepts at first and then take more complex knowledge into consideration. Therefore, SPL learns the easy samples at first and then involves more complex ones into training. SPL is beneficial in avoiding bad local minima and in achieving a better generalization results. In this paper, we introduce the background and related researches of self-paced learning. Then we use evolutionary multi-objective optimization to improve self-paced learning for addressing the issues in the current SPL research. Self-paced learning based on evolutionary multi-objective optimization optimizes the loss function and the self-paced regularizer simultaneously and aims to get a set of nondominated solutions. We can use some off-the-shelf tools in multi-objective optimization to find the best trade-off between the two objectives. Experiments on change detection in synthetic aperture radar images demonstrates the effectiveness of the proposed method.

Keywords: Pattern analysis and intelligence system machine learning self-paced learning multi-objective optimization evolutionary algorithm change detection

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
李豪,公茂果. 基于进化多目标优化的自步学习方法研究[EB/OL]. 北京:中国科技论文在线 [2017-04-27]. http://www.paper.edu.cn/releasepaper/content/201704-670.

No.4726610119304014****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于进化多目标优化的自步学习方法研究