三层BP神经网络隐层节点数确定方法探究

被引:98
作者
蔡荣辉
崔雨轩
薛培静
机构
[1] 中南大学数学与统计学院
关键词
BP神经网络; 隐层节点数; 特征提取; 加权方法;
D O I
10.19414/j.cnki.1005-1228.2017.05.009
中图分类号
TP183 [人工神经网络与计算];
学科分类号
140502 [人工智能];
摘要
为探究三层BP神经网络最佳隐层节点数的确定方法,对现有经验公式法、试凑法和奇异值法等隐层节点确定方法与分块有效像素统计值、HOG和傅里叶变换等特征提取方法在2600个手写小写英文字母样本上仿真识别的效果进行对比分析。据此引入公式可信度的概念,并基于加权思想提出了一种新的确定隐层节点数的方法。结合标准正态函数的反函数对新方法权数的确定进行改进,仿真实验验证结果表明该方法测试识别率最高可达96.667%。
引用
收藏
页码:29 / 33
页数:5
相关论文
共 5 条
[1]
基于奇异值分解的神经网络结构优化设计及其应用 [D]. 
韩子博 .
华北电力大学(河北),
2010
[2]
基于FPGA的神经网络硬件实现 [D]. 
闫明 .
中国海洋大学,
2008
[3]
BP神经网络隐层单元数确定方法 [J].
焦斌 ;
叶明星 .
上海电机学院学报, 2013, 16 (03) :113-116+124
[4]
基于改进傅里叶描绘子的CBIR系统 [J].
彭地 ;
彭源 .
计算机应用与软件, 2011, 28 (09) :89-92
[5]
一种确定神经网络隐层节点数的新方法 [J].
张清良 ;
李先明 .
吉首大学学报(自然科学版), 2002, (01) :89-91