控制与决策
控製與決策
공제여결책
CONTROL AND DECISION
2012年
9期
1308-1312
,共5页
张荣%邓赵红%王士同%蔡及时%钱鹏江
張榮%鄧趙紅%王士同%蔡及時%錢鵬江
장영%산조홍%왕사동%채급시%전붕강
单隐层前馈神经网络%??-不敏感学习%结构风险最小化%鲁棒性
單隱層前饋神經網絡%??-不敏感學習%結構風險最小化%魯棒性
단은층전궤신경망락%??-불민감학습%결구풍험최소화%로봉성
单隐层前馈神经网络是应用最广泛的智能建模模型之一,但该模型面对小样本集时传统的学习算法易陷入过拟合,尤其当数据集包含较大噪音时学习模型鲁棒性较差,对噪音很敏感.针对此不足,提出一种针对小样本数据集的鲁棒单隐层前馈神经网络学习算法.所提出的算法由于引入了??-不敏感学习度量和结构风险项,能有效克服传统学习算法存在的缺陷,显示出较好的鲁棒性.在模拟和真实数据集上的实验亦证实了上述优点.
單隱層前饋神經網絡是應用最廣汎的智能建模模型之一,但該模型麵對小樣本集時傳統的學習算法易陷入過擬閤,尤其噹數據集包含較大譟音時學習模型魯棒性較差,對譟音很敏感.針對此不足,提齣一種針對小樣本數據集的魯棒單隱層前饋神經網絡學習算法.所提齣的算法由于引入瞭??-不敏感學習度量和結構風險項,能有效剋服傳統學習算法存在的缺陷,顯示齣較好的魯棒性.在模擬和真實數據集上的實驗亦證實瞭上述優點.
단은층전궤신경망락시응용최엄범적지능건모모형지일,단해모형면대소양본집시전통적학습산법역함입과의합,우기당수거집포함교대조음시학습모형로봉성교차,대조음흔민감.침대차불족,제출일충침대소양본수거집적로봉단은층전궤신경망락학습산법.소제출적산법유우인입료??-불민감학습도량화결구풍험항,능유효극복전통학습산법존재적결함,현시출교호적로봉성.재모의화진실수거집상적실험역증실료상술우점.