训练样本的选取对网络性能的影响

神经网络的训练效果相当地仍依赖于样本的选取。本文介绍三种不同的样本选取方案，并从ＭｏｎｔｅＣａｒｌｏ实验进行比较研究来探讨这个问题。模拟分析结果表明，虽然三种方法选取的样本分布迥异，但训练后的网络泛化能力都很强，即接近于Ｂａｙｅｓ极限。此外，网络的泛化能力还依赖于训练样本集的大小。因此，适当地选取训练样本子集不仅使网络有较好的执行结果，还可以减少训练时间。