人工神经网络泛化问题研究综述

被引：22

作者：

王恺 ^{[1
,2
]}

杨巨峰 ^{[1
]}

王立 ^{[1
]}

史广顺 ^{[1
]}

王庆人 ^{[1
]}

机构：

[1] 南开大学机器智能研究所

[2] 南开大学国家环境保护城市空气颗粒物污染防治重点实验室

来源：

计算机应用研究 | 2008年 / 25卷 / 12期

基金：

天津市自然科学基金;

关键词：

人工神经网络; 泛化问题; 泛化能力;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

从理论、方法(思想)和技术三个层次回顾了以往工作,讨论了模型复杂度、样本复杂度及两者之间关系的相关研究;在实际中,通过控制模型复杂度、调整样本等具体技术可以在一定程度上提高神经网络的泛化能力,但这些技术仍然存在一些问题没有解决。最后提出了对今后研究的展望。

引用

页码：3525 / 3530+3533 +3533

页数：7

共 23 条

[1] 信息理论框架下的神经网络构建 [J].

李爱军 ;

罗四维 ;

刘蕴辉 ;

黄华 .

北京交通大学学报, 2005, (02) :1-6

[2] 基于模糊化输入和反转提高神经网络分类性能的方法 [J].

武妍 ;

王守觉 .

红外与毫米波学报, 2005, (01) :15-18

[3] 一种通过反馈提高神经网络学习性能的新算法 [J].

武妍 ;

王守觉 .

计算机研究与发展, 2004, (09) :1488-1492

[4] BP网络学习能力与泛化能力满足的不确定关系式 [J].

李祚泳 ;

彭荔红 .

中国科学E辑:技术科学, 2003, (10) :887-895

[5] 一种估计前馈神经网络中隐层神经元数目的新方法 [J].

袁红春 ;

熊范纶 ;

淮晓永 .

小型微型计算机系统, 2003, (04) :657-660

[6] 网络泛化能力与随机扩展训练集 [J].

杨慧中 ;

卢鹏飞 ;

张素贞 ;

陶振麟 .

控制理论与应用, 2002, (06) :963-966

[7] 神经网络的泛化能力与结构优化算法研究 [J].

武妍 ;

张立明 .

计算机应用研究, 2002, (06) :21-25+84

[8] 神经网络的泛化理论和泛化方法 [J].

魏海坤 ;

徐嗣鑫 ;

宋文忠 .

自动化学报, 2001, (06) :806-815

[9] 基于MDL的RBF神经网络结构和参数的学习 [J].

刘妹琴 ;

陈际达 ;

蔡自兴 .

小型微型计算机系统, 2000, (04) :379-382

[10] 提高前馈神经网络泛化能力的新算法 [J].

鲁子奕 ;

杨绿溪 ;

吴球 ;

何振亚 .

电路与系统学报, 1997, (04) :7-12

← 1 2 3 →