昆明理工大学学报（理工版）
昆明理工大學學報（理工版）
곤명리공대학학보（리공판）
JOURNAL OF KUNMING UNIVERSITY OF SCIENCE AND TECHNOLOGY（SCIENCE AND TECHNOLOGY）
2004年
6期
148-152
,共5页
张朝元%胡光华%徐天泽%殷英
張朝元%鬍光華%徐天澤%慇英
장조원%호광화%서천택%은영
神经网络%支持向量机%函数逼近%结构风险最小化%交通流量
神經網絡%支持嚮量機%函數逼近%結構風險最小化%交通流量
신경망락%지지향량궤%함수핍근%결구풍험최소화%교통류량
为了避免神经网络的收敛速度慢和局部极小点,采用统计学习理论中的支持向量机代替梯度下降法对三层神经网络中隐层到输出层的过程进行改进.分别采用由支持向量机改进的神经网络和传统的神经网络对昆明市"一二一"大街交通交流的实时预测,实验结果验证了改进后的神经网络的优越性和先进性.
為瞭避免神經網絡的收斂速度慢和跼部極小點,採用統計學習理論中的支持嚮量機代替梯度下降法對三層神經網絡中隱層到輸齣層的過程進行改進.分彆採用由支持嚮量機改進的神經網絡和傳統的神經網絡對昆明市"一二一"大街交通交流的實時預測,實驗結果驗證瞭改進後的神經網絡的優越性和先進性.
위료피면신경망락적수렴속도만화국부겁소점,채용통계학습이론중적지지향량궤대체제도하강법대삼층신경망락중은층도수출층적과정진행개진.분별채용유지지향량궤개진적신경망락화전통적신경망락대곤명시"일이일"대가교통교류적실시예측,실험결과험증료개진후적신경망락적우월성화선진성.
