BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度？ 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1）线性归一化 23 2）标准差标准化 23 3）非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n） 40 随机梯度下降 4

健壮的建模对于处理具有不确定性的复杂系统非常重要。 本文旨在开发一种用于训练规则化局部随机权重网络（RWN）的新颖学习算法。 学习者模型（称为RL-RWN）建立在规则化的移动最小二乘法基础上，并概括了从标准最小二乘法获得的解决方案。 使用两个基准数据集执行模拟，包括自动MPG数据和表面重建数据。 结果表明，我们提出的RL-RWN优于原始的RWN和径向基函数网络。

为了更准确地描述有记忆效应的射频功放特性,提出了一种改进的简化粒子群优化(PSO)算法,并结合自适应模糊推理系统(ANFIS)建立模糊神经网络功放模型。改进的简化PSO算法仅保留粒子的位置项,加入了随机的个体最优候选解,由粒子的当前位置、个体最优解、全局最优解和随机的个体最优候选解共同决定其位置项;采用线性递减惯性权重,并利用异步变化的动态学习因子,且新颖地引入拉普拉斯系数,从而增加了种群多样性,加快了收敛速度,避免陷入局部最优。由模型仿真对比可知,该方法建立的功放模型结构简单、收敛快、误差小、