复旦学报（自然科学版）
複旦學報（自然科學版）
복단학보（자연과학판）
JOURNAL OF FUDAN UNIVERSITY(NATURAL SCIENCE)
2004年
5期
721-724,728
,共5页
李爱军%罗四维%刘蕴辉%俞翰斌
李愛軍%囉四維%劉蘊輝%俞翰斌
리애군%라사유%류온휘%유한빈
神经网络%决策树%熵%信息增益%EBNN
神經網絡%決策樹%熵%信息增益%EBNN
신경망락%결책수%적%신식증익%EBNN
neural network%decision tree%entropy%in
神经网络的结构设计一直是研究者关注的基本问题.提出了一种构造神经网络的方法--EBNN.该方法采用熵作为第一层神经元的选择准则,在选择第一层神经元的同时可以得到隐层和输出层的神经元,并对神经网络参数进行合理的初始化.该方法不仅能有效地建立神经网络的结构,还提供了信息性增量学习的可能性.
神經網絡的結構設計一直是研究者關註的基本問題.提齣瞭一種構造神經網絡的方法--EBNN.該方法採用熵作為第一層神經元的選擇準則,在選擇第一層神經元的同時可以得到隱層和輸齣層的神經元,併對神經網絡參數進行閤理的初始化.該方法不僅能有效地建立神經網絡的結構,還提供瞭信息性增量學習的可能性.
신경망락적결구설계일직시연구자관주적기본문제.제출료일충구조신경망락적방법--EBNN.해방법채용적작위제일층신경원적선택준칙,재선택제일층신경원적동시가이득도은층화수출층적신경원,병대신경망락삼수진행합리적초시화.해방법불부능유효지건립신경망락적결구,환제공료신식성증량학습적가능성.
It provides a method-EBNN to build neural network. EBNN uses the conception that entropy of the same class is zero and that of different class is larger as criterion to select the first layer neural, meanwhile constructs the hidden and output layer units and initializes reasonably the weights link of units.
