基于奇异值分解的径向基函数神经网络的改进算法研究

径向基函数神经网络(RBFNN)可用于插值和分类预测,本文提出基于奇异值分解(SVD)技术来改进传统的RBFNN,从而极大地简化网络结构.具体来说,本文提出的方法能够实现隐藏层神经元的自动选取和优化,删除冗余的神经元,进而节省内存和计算成本.同时,我们将使用K折交叉验证法来确定径向基函数(RBF)中的径向参数ε,以保证算法精度.更重要的是,我们基于Halko等提出的近似SVD算法[2],逐行读取样本数据并实时处理,避免将所有样本数据一次性导入内存.所有的数值实验都表明,相比于传统的RBFNN,本文提出的算法在不损失计算精度的前提下,极大地提高了计算效率,并简化了RBFNN结构.

基于某零售生鲜店对新零售模式发展的分析及建议

随着互联网技术的发展,马云在2016年提出了“新零售”的概念,同时阿里巴巴也开始进军“新零售”市场,其旗下某新零售生鲜店是“新零售”模式下催生的产物.本文通过研究该店目前的经营现状,分析其在当前阶段下所存在的问题,并针对这些存在的问题提出了相应的解决办法.