电子科技大学学报
電子科技大學學報
전자과기대학학보
JOURNAL OF UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA
2002年
2期
159-162
,共4页
杨斌%聂在平%夏耀先%蒋荣生
楊斌%聶在平%夏耀先%蔣榮生
양빈%섭재평%하요선%장영생
贝叶斯神经网络%非参数回归%正则化器%马尔可夫链蒙特卡罗模拟
貝葉斯神經網絡%非參數迴歸%正則化器%馬爾可伕鏈矇特卡囉模擬
패협사신경망락%비삼수회귀%정칙화기%마이가부련몽특잡라모의
提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.
提高神經網絡模型推廣能力的關鍵是控製模型的複雜度.該文探索瞭貝葉斯神經網絡的非參數迴歸的建模方法,通過融入模型參數的先驗知識,在給定數據樣本及模型假設下進行後驗概率的貝葉斯推理,使用馬爾可伕鏈矇特卡囉算法來優化模型控製參數,實現瞭對神經網絡模型中不同部分複雜度的控製,穫得瞭模型參數的後驗分佈及預測分佈.在5箇含譟二維函數迴歸問題上的應用顯示瞭模型的複雜度能根據數據的複雜度而自適應調整,併給齣瞭較好的預測結果.
제고신경망락모형추엄능력적관건시공제모형적복잡도.해문탐색료패협사신경망락적비삼수회귀적건모방법,통과융입모형삼수적선험지식,재급정수거양본급모형가설하진행후험개솔적패협사추리,사용마이가부련몽특잡라산법래우화모형공제삼수,실현료대신경망락모형중불동부분복잡도적공제,획득료모형삼수적후험분포급예측분포.재5개함조이유함수회귀문제상적응용현시료모형적복잡도능근거수거적복잡도이자괄응조정,병급출료교호적예측결과.