训练多层网络的样本数问题

被引：19

作者：

张鸿宾

机构：

[1] 北京计算机学院计算机科学系

来源：

关键词：

人工神经网络; 泛化; Vapnik-Chervonenkis维数;

D O I：

10.16383/j.aas.1993.01.010

中图分类号：

学科分类号：

摘要：

本文分析多层网络的映射增长函数,以经验风险最小和期望风险最小之间的偏差来定义网络的泛化能力。基于Vapnik-Chervonenkis的事件出现频率一致收敛于其概率的理论,讨论网络的结构、训练样本数和网络泛化能力间的关系。分析在最不利的情况下为保证一定泛化能力所需要的训练样本数。

引用

页码：71 / 77

页数：7