神经网络泛化性能优化算法

被引：3

作者：

包芳 ^{[1
,2
]}

潘永惠 ^{[1
,2
]}

机构：

[1] 江阴职业技术学院

[2] 江南大学信息工程学院

来源：

计算机工程与设计 | 2009年 / 30卷 / 22期

关键词：

神经网络; 泛化性能优化; 目标函数; 泛化损失率; 量子化粒子群算法;

D O I：

10.16208/j.issn1000-7024.2009.22.069

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：

基于提高神经网络泛化性能的目标提出了神经网络泛化损失率的概念,解析了与前一周期相比当前网络误差的变化趋势,在此基础上导出了基于泛化损失率的神经网络训练目标函数。利用新的目标函数和基于量子化粒子群算法的神经网络训练方法,得到了一种新的网络泛化性能优化算法。实验结果表明,将该算法与没有引入泛化损失率的算法相比,网络的收敛性能和泛化性能都有明显提高。

引用

页码：5211 / 5213

页数：3

共 4 条

[1] 基于QPSO算法的RBF神经网络参数优化仿真研究 [J].

陈伟 ;

冯斌 ;

孙俊 .

计算机应用, 2006, (08) :1928-1931

[2] 神经网络泛化特性改善方法 [J].

张胜 ;

刘红星 ;

高敦堂 ;

王蔚 .

计算机应用与软件, 2005, (12) :12-14

[3] 一种新的模糊规则动态调整正则项系数的神经网络学习方法 [J].

武妍 ;

张立明 .

红外与毫米波学报, 2002, (03) :189-194

[4]

A novel training algorithm for BP neural network. Bao Fang,Pan Yonghui,Xu Wenbo. Proceedings of the International Sym-posium on Distributed Computing and Application to Business,Engineering and Science . 2006

← 1 →