食品与机械
食品與機械
식품여궤계
FOOD AND MACHINERY
2010年
4期
95-97
,共3页
多层前馈神经网络%样本顺序%算法%分类能力
多層前饋神經網絡%樣本順序%算法%分類能力
다층전궤신경망락%양본순서%산법%분류능력
检测神经网络4种算法(有弹回的算法、OSS算法、LM算法和Regularization算法)的分类能力.结果表明,多层前馈神经网络的分类能力与算法和学习样本顺序有关;OSS算法和LM算法训练的网络分类能力对学习样本顺序最为敏感,且容易产生输出奇异点和宽幅输出波动,Regularization算法训练的网络分类能力对学习样本顺序不敏感;下凸学习样本顺序的OSS算法分类精度最高,网络分类能力最强;递增学习样本顺序的LM算法分类精度最低,网络分类能力最差;不同算法的网络分类能力对学习样本的敏感程度取决于网络权值、阈值的冗余与传递函数的性质.
檢測神經網絡4種算法(有彈迴的算法、OSS算法、LM算法和Regularization算法)的分類能力.結果錶明,多層前饋神經網絡的分類能力與算法和學習樣本順序有關;OSS算法和LM算法訓練的網絡分類能力對學習樣本順序最為敏感,且容易產生輸齣奇異點和寬幅輸齣波動,Regularization算法訓練的網絡分類能力對學習樣本順序不敏感;下凸學習樣本順序的OSS算法分類精度最高,網絡分類能力最彊;遞增學習樣本順序的LM算法分類精度最低,網絡分類能力最差;不同算法的網絡分類能力對學習樣本的敏感程度取決于網絡權值、閾值的冗餘與傳遞函數的性質.
검측신경망락4충산법(유탄회적산법、OSS산법、LM산법화Regularization산법)적분류능력.결과표명,다층전궤신경망락적분류능력여산법화학습양본순서유관;OSS산법화LM산법훈련적망락분류능력대학습양본순서최위민감,차용역산생수출기이점화관폭수출파동,Regularization산법훈련적망락분류능력대학습양본순서불민감;하철학습양본순서적OSS산법분류정도최고,망락분류능력최강;체증학습양본순서적LM산법분류정도최저,망락분류능력최차;불동산법적망락분류능력대학습양본적민감정도취결우망락권치、역치적용여여전체함수적성질.
