计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2001年
7期
821-825
,共5页
温津伟%罗四维%赵嘉莉%韩臻
溫津偉%囉四維%趙嘉莉%韓臻
온진위%라사유%조가리%한진
随机神经网络%EM算法%Bayesian方法%Wishart-Gaussian分布
隨機神經網絡%EM算法%Bayesian方法%Wishart-Gaussian分佈
수궤신경망락%EM산법%Bayesian방법%Wishart-Gaussian분포
通过对标准EM算法收敛于局部极值的原因进行分析,提出了基于Bayesian方法的神经网络新学习算法--BEM算法.该算法解决了标准EM算法的上述缺陷,同时还可防止标准EM算法Overfitting情况的出现,并可防止标准EM算法有时只响应单一模式而失去泛化能力情况的出现.实验结果表明了该算法的正确性和有效性.该算法对研究和发展标准EM学习算法理论具有一定的学术意义.
通過對標準EM算法收斂于跼部極值的原因進行分析,提齣瞭基于Bayesian方法的神經網絡新學習算法--BEM算法.該算法解決瞭標準EM算法的上述缺陷,同時還可防止標準EM算法Overfitting情況的齣現,併可防止標準EM算法有時隻響應單一模式而失去汎化能力情況的齣現.實驗結果錶明瞭該算法的正確性和有效性.該算法對研究和髮展標準EM學習算法理論具有一定的學術意義.
통과대표준EM산법수렴우국부겁치적원인진행분석,제출료기우Bayesian방법적신경망락신학습산법--BEM산법.해산법해결료표준EM산법적상술결함,동시환가방지표준EM산법Overfitting정황적출현,병가방지표준EM산법유시지향응단일모식이실거범화능력정황적출현.실험결과표명료해산법적정학성화유효성.해산법대연구화발전표준EM학습산법이론구유일정적학술의의.
