一种结构自适应神经网络及其训练方法

被引：7

作者：

宋彦坡 ^{[1
]}

彭小奇 ^{[1
,2
]}

机构：

[1] 不详

[2] 中南大学能源科学与工程学院

[3] 不详

[4] 湖南第一师范学院信息科学与工程系

[5] 不详

来源：

控制与决策 | 2010年 / 08期

基金：

国家自然科学基金重点项目;

关键词：

优化建模; 训练策略; 神经网络; 结构自适应;

D O I：

10.13195/j.cd.2010.08.148.songyp.025

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对神经网络建模效果对网络结构、训练方法过于敏感的缺陷,提出一种结构自适应神经网络模型及其训练方法.模型具有双网结构并以"提前终止法"训练,一定程度上降低了建模效果对网络结构的敏感性;模型结构根据建模数据的噪声方差、模型当前误差等信息自适应调整,进一步提高了模型的建模效果,同时具有较高的时间效率.仿真结果表明,该方法弥补了提前终止等传统方法的部分不足,具有较好的效果.

引用

页码：1265 / 1268

页数：4

共 4 条

[1] MW-OBS:An Improved Pruning Method for Topology Design of Neural Networks
朱岩
鹿应荣
李倩
[J]. Tsinghua Science and Technology, 2006, (03) : 307 - 312
[2] Biological engineering applications of feedforward neural networks designed and parameterized by genetic algorithms
Ferentinos, KP
[J]. NEURAL NETWORKS, 2005, 18 (07) : 934 - 950
[3] Dynamic tunneling based regularization in feedforward neural networks[J] . Y.P. Singh,Pinaki RoyChowdhury.Artificial Intelligence . 2001 (1)
[4] Morphological regularization neural networks
Gader, PD
Khabou, MA
Koldobsky, A
[J]. PATTERN RECOGNITION, 2000, 33 (06) : 935 - 944

← 1 →