基于思维进化的MEBML算法的收敛性研究
针对基于思维进化的机器学习(MEBML)的马尔可夫链分析,证明了离散状态下趋同操作的群体依概率1收敛到全局最优状态.但由于趋同操作的局部性,从局部最优状态转移到全局最优状态的概率非常小.要增加这种转移概率,需要引进异化操作.通过P-最优状态和吸引域的概念,分析了趋同操作、异化操作的理论和实际意义.
MEBML算法、收敛性、趋同算子、异化算子、离散空间
37
TP18(自动化基础理论)
新材料领域项目863-306ZT06-06-6
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
838-842