哈尔滨工业大学学报
哈爾濱工業大學學報
합이빈공업대학학보
JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY
2001年
1期
48-51
,共4页
神经网络%数据融合%假设检验%Neyman-Pearson准则
神經網絡%數據融閤%假設檢驗%Neyman-Pearson準則
신경망락%수거융합%가설검험%Neyman-Pearson준칙
假设检验中Neyman-Pearson准则是一种基于似然比的信号检测、识别、分类方法.神经网络是实现这种判定准则的优选方案,但是传统的最小平方学习算法,如BP算法等,往往不能取得全局最优解. 针对一种非最小平方学习算法,提出了一种概率分配原则,并给出了一种Neyman-Pearson准则的神经网络实现新算法. 对新算法在假设检验中的应用进行了仿真验证. 结果表明新算法具有更小的误差,更加适用于Neyman-Pearson准则.
假設檢驗中Neyman-Pearson準則是一種基于似然比的信號檢測、識彆、分類方法.神經網絡是實現這種判定準則的優選方案,但是傳統的最小平方學習算法,如BP算法等,往往不能取得全跼最優解. 針對一種非最小平方學習算法,提齣瞭一種概率分配原則,併給齣瞭一種Neyman-Pearson準則的神經網絡實現新算法. 對新算法在假設檢驗中的應用進行瞭倣真驗證. 結果錶明新算法具有更小的誤差,更加適用于Neyman-Pearson準則.
가설검험중Neyman-Pearson준칙시일충기우사연비적신호검측、식별、분류방법.신경망락시실현저충판정준칙적우선방안,단시전통적최소평방학습산법,여BP산법등,왕왕불능취득전국최우해. 침대일충비최소평방학습산법,제출료일충개솔분배원칙,병급출료일충Neyman-Pearson준칙적신경망락실현신산법. 대신산법재가설검험중적응용진행료방진험증. 결과표명신산법구유경소적오차,경가괄용우Neyman-Pearson준칙.
Presents the Neyman-Pearson criterion in hypothesis testing based on the probability rate for problems such as classification, detection, and pattern recognition as an improved kind of nonleast-square learning algorithm to decide the criterion of the probability distribution and gives a better algorithm based on the absolute error and concludes from simulation results that the new algorithm has less error and is more suitable for Neyman-Pearson criterion.