神经网络稳定性的交叉验证模型

被引：19

作者：

邱龙金 ^{[1
]}

贺昌政 ^{[2
]}

机构：

[1] 四川大学计算机学院

[2] 四川大学工商管理学院

来源：

计算机工程与应用 | 2010年 / 34期

关键词：

神经网络; 稳定性; 交叉验证; 统计检验;

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：

根据Skutin提出的交叉验证理论,针对神经网络学习算法提出了神经网络稳定性的交叉验证模型,并选择4种应用广泛、具有代表性的神经网络作为研究对象,通过随机数据集和UCI数据集上的数据实验结果得出了BP、RBF、GRNN、ELM等4种神经网络的稳定性排序,并用统计检验方法对排序结果进行了检验。

引用

页码：43 / 45

页数：3

共 6 条

[1] 改进型Elman神经网络发酵过程建模研究 [J].

刘尧猛 ;

马永军 ;

杨美艳 .

计算机工程与应用, 2009, 45 (32) :240-243

[2] 四种学习算法稳定之间的关系 [J].

邹斌 ;

董雪梅 ;

李落清 .

计算机应用与软件, 2005, (01) :30-31+111

[3]

神经网络稳定性理论[M]. 科学出版社 , 钟守铭等, 2008

[4]

实用统计方法[M]. 科学出版社 , 梅长林, 2002

[5]

Stability of feature selection algorithms: a study on high-dimensional spaces[J] . Alexandros Kalousis,Julien Prados,Melanie Hilario.Knowledge and Information Systems . 2007 (1)

[6] Algorithmic stability and sanity-check bounds for leave-one-out cross-validation [J].

Kearns, M ;

Ron, D .

NEURAL COMPUTATION, 1999, 11 (06) :1427-1453

← 1 →