辽宁工程技术大学学报(自然科学版)
遼寧工程技術大學學報(自然科學版)
료녕공정기술대학학보(자연과학판)
JOURNAL OF LIAONING TECHNICAL UNIVERSITY NATURAL SCIENCE EDITION
2013年
2期
30-33
,共4页
BP 神经网络%预测%局部极小%Metropolis 准则%惩罚系数%误分%不均衡分布%轮换法
BP 神經網絡%預測%跼部極小%Metropolis 準則%懲罰繫數%誤分%不均衡分佈%輪換法
BP 신경망락%예측%국부겁소%Metropolis 준칙%징벌계수%오분%불균형분포%륜환법
BP neural network%predictive%local minimum%metropolis criterion%penalty coefficient%misclassifying%imbalanced distributed%selecting training
为提高 BP 神经网络训练的预测能力,采用有助于提高 BP 神经网络逼近精度的 Metropolis 准则来克服BP 神经网络训练学习过程中容易陷入局部极小值的问题;考虑到两类误分的代价不同,利用两个惩罚系数 C1和 C2,对两类误分给予不同程度的惩罚;采用轮换法的策略来避免因样本不均衡分布带来的负面影响.研究结果表明:所构建的神经网络模型效果令人满意,是行之有效的做法.
為提高 BP 神經網絡訓練的預測能力,採用有助于提高 BP 神經網絡逼近精度的 Metropolis 準則來剋服BP 神經網絡訓練學習過程中容易陷入跼部極小值的問題;攷慮到兩類誤分的代價不同,利用兩箇懲罰繫數 C1和 C2,對兩類誤分給予不同程度的懲罰;採用輪換法的策略來避免因樣本不均衡分佈帶來的負麵影響.研究結果錶明:所構建的神經網絡模型效果令人滿意,是行之有效的做法.
위제고 BP 신경망락훈련적예측능력,채용유조우제고 BP 신경망락핍근정도적 Metropolis 준칙래극복BP 신경망락훈련학습과정중용역함입국부겁소치적문제;고필도량류오분적대개불동,이용량개징벌계수 C1화 C2,대량류오분급여불동정도적징벌;채용륜환법적책략래피면인양본불균형분포대래적부면영향.연구결과표명:소구건적신경망락모형효과령인만의,시행지유효적주법.
@@@@In order to improve the predictive ability of BP neural network, this study uses Metropolis criterion to overcome the shortcoming of opting to fall into local minimum in BP algorithm. This study utilizes the penalty coefficients (C1, C2) in training to give sample misclassification with different penalties. This is because the cost of different misclassification is different. In terms of the cost of variant misclassification, the study uses a method of selecting training samples properly to avoid negative impact from imbalanced distributed samples. The study results show that the model is effective and rational.