计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2004年
23期
46-49
,共4页
神经网络%构造性方法%遗传算法%神经元激活函数
神經網絡%構造性方法%遺傳算法%神經元激活函數
신경망락%구조성방법%유전산법%신경원격활함수
构造性设计是ANN设计的发展方向之一.全面的高质量的ANN学习应包括神经元激活函数类型的自动优化.该文在构造性设计的框架内讨论了如何实现典型前馈网络的包括神经元激活函数类型在内的全面学习.首先,提出了典型前馈网络的一种构造性设计方法的原理和算法框架,把整个网络的设计分解成了一个个单个神经元的设计问题;然后提出了基于GA的能实现激活函数类型优选的单个神经元的设计方法.大量函数拟合的仿真实验显示:与其它几种激活函数类型不优选的常见ANN设计方法相比,该文提出的方法更有效,能用较小的网络结构获得较好的泛化性能.
構造性設計是ANN設計的髮展方嚮之一.全麵的高質量的ANN學習應包括神經元激活函數類型的自動優化.該文在構造性設計的框架內討論瞭如何實現典型前饋網絡的包括神經元激活函數類型在內的全麵學習.首先,提齣瞭典型前饋網絡的一種構造性設計方法的原理和算法框架,把整箇網絡的設計分解成瞭一箇箇單箇神經元的設計問題;然後提齣瞭基于GA的能實現激活函數類型優選的單箇神經元的設計方法.大量函數擬閤的倣真實驗顯示:與其它幾種激活函數類型不優選的常見ANN設計方法相比,該文提齣的方法更有效,能用較小的網絡結構穫得較好的汎化性能.
구조성설계시ANN설계적발전방향지일.전면적고질량적ANN학습응포괄신경원격활함수류형적자동우화.해문재구조성설계적광가내토론료여하실현전형전궤망락적포괄신경원격활함수류형재내적전면학습.수선,제출료전형전궤망락적일충구조성설계방법적원리화산법광가,파정개망락적설계분해성료일개개단개신경원적설계문제;연후제출료기우GA적능실현격활함수류형우선적단개신경원적설계방법.대량함수의합적방진실험현시:여기타궤충격활함수류형불우선적상견ANN설계방법상비,해문제출적방법경유효,능용교소적망락결구획득교호적범화성능.
