计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2005年
17期
88-89,104
,共3页
前馈神经网络%三阶段学习方法%结构辨识%参数辨识%剪枝%互补遗传算子
前饋神經網絡%三階段學習方法%結構辨識%參數辨識%剪枝%互補遺傳算子
전궤신경망락%삼계단학습방법%결구변식%삼수변식%전지%호보유전산자
论文提出了一种新的基于互补遗传算子的前馈神经网络三阶段学习方法.该方法把神经网络的学习过程分为三个阶段.第一阶段为结构辨识阶段,采用遗传算法进行神经网络隐层节点数目的选择和初始参数的设定,并基于发现的遗传算子的互补效应设计高效互补遗传算子.第二阶段为参数辨识阶段,采用效率较高的神经网络算法如L-M算法进行神经网络参数的进一步学习.第三阶段为剪枝阶段,通过获得最小结构的神经网络以提高其泛化能力.在整个学习过程中,学习过程的可控性以及神经网络的逼近精度、复杂度和泛化能力之间得到了满意平衡.仿真试验结果证明了该方法的有效性.
論文提齣瞭一種新的基于互補遺傳算子的前饋神經網絡三階段學習方法.該方法把神經網絡的學習過程分為三箇階段.第一階段為結構辨識階段,採用遺傳算法進行神經網絡隱層節點數目的選擇和初始參數的設定,併基于髮現的遺傳算子的互補效應設計高效互補遺傳算子.第二階段為參數辨識階段,採用效率較高的神經網絡算法如L-M算法進行神經網絡參數的進一步學習.第三階段為剪枝階段,通過穫得最小結構的神經網絡以提高其汎化能力.在整箇學習過程中,學習過程的可控性以及神經網絡的逼近精度、複雜度和汎化能力之間得到瞭滿意平衡.倣真試驗結果證明瞭該方法的有效性.
논문제출료일충신적기우호보유전산자적전궤신경망락삼계단학습방법.해방법파신경망락적학습과정분위삼개계단.제일계단위결구변식계단,채용유전산법진행신경망락은층절점수목적선택화초시삼수적설정,병기우발현적유전산자적호보효응설계고효호보유전산자.제이계단위삼수변식계단,채용효솔교고적신경망락산법여L-M산법진행신경망락삼수적진일보학습.제삼계단위전지계단,통과획득최소결구적신경망락이제고기범화능력.재정개학습과정중,학습과정적가공성이급신경망락적핍근정도、복잡도화범화능력지간득도료만의평형.방진시험결과증명료해방법적유효성.
