有监督学习算法研究开题报告
2020-04-16 13:38:24
1. 研究目的与意义(文献综述)
监督学习是从标记的训练数据来推断一个功能的机器学习任务。
训练数据包括一套训练示例。
在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。
2. 研究的基本内容与方案
监督学习算法是给定一组输入x和输出y的训练集,学习如何关联输入和输出。在许多情况下,输出y很难自动收集,必须由人来提供“监督”,不过该术语仍然适用于训练集目标可以被自动收集的情况。
逻辑回归(logistic regression)
我们知道,线性回归就是根据已知数据集求一线性函数,使其尽可能拟合数据,让损失函数最小,常用的线性回归最优法有最小二乘法和梯度下降法。而逻辑回归是一种非线性回归模型,相比于线性回归,它多了一个sigmoid函数(或称为logistic函数)。逻辑回归是一种分类算法,主要用于二分类问题。逻辑回归的具体步骤如下:
(1)定义假设函数h(即hypothesis)
sigmoid函数的图像是一个s型,预测函数就是将sigmoid函数g(x)里的自变量x替换成了边界函数θ(x),如下:
这里hθ(x)表示结果取1的概率,因此对于输入x分类结果为类别1和类别0的概率分别为:
(2)定义边界函数θ(x)
对于二维数据,如果是预设线性线性边界,那么边界函数为:
3. 研究计划与安排
时间节点 | 任务要求 |
3月12号前 | 取消在学分清理中不符合毕业设计(论文)准入制度的学生选题志愿; |
3月25号前 | 学生上传开题报告,指导教师对开题报告进行评阅审核; |
5月25号前 | 开题完成后,学生根据实际进度上传阶段性成果,指导教师对中期工作情况进行检查、督促; |
5月31号前 | 学生上传最终毕业设计(论文)成果,由指导教师和评阅教师完成评分; |
6月8号前 | 各学院制定答辩安排,分配答辩小组,务必完成答辩任务。同时在毕业设计管理系统录入答辩记录和答辩成绩; |
6月13号前 | 发布学生毕业设计(论文)的最终成绩; |
6月25号前 | 根据学校指标分配完成本学院省优秀学士学位推荐评选工作。 |
4. 参考文献(12篇以上)
《深度学习》[美]伊恩.古德费洛 [加]约书亚.本吉奥 [加]亚伦.库维尔
《神经-模糊和软计算》张智星 孙春在 [日]水谷英二
《神经网络与机器学习》(加)simon haykin