论文摘要
本文通过实现逻辑回归成本函数模型的建立,运行梯度下降算法优化、更新权重和偏差,使用优化后的逻辑回归预测待测试图像在所有图片中的出现概率。首先加载训练集、测试集的图片,对图片降低维度并转置,实现前向和后向传播的成本函数,对逻辑回归的负对数似然成本进行正则化,使用断言确保数据的正确性。通过计算当前参数的成本和梯度,运行正则化的梯度下降算法来优化更新权重和偏差的超参数,优化循环的迭代次数更新规则的学习率的超参数,最后分别利用逻辑回归模型和正则化后的逻辑回归模型进行预测。实验证明,上述方法识别测试集图片中出现的概率准确性提高。
论文目录
文章来源
类型: 期刊论文
作者: 王正存,肖中俊,严志国
关键词: 逻辑回归,成本函数,正则化,梯度下降
来源: 齐鲁工业大学学报 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 计算机软件及计算机应用
单位: 齐鲁工业大学(山东省科学院)电气工程与自动化学院
基金: 国家自然科学基金(61877062)
分类号: TP391.41
DOI: 10.16442/j.cnki.qlgydxxb.2019.05.008
页码: 47-51
总页数: 5
文件大小: 122K
下载量: 326