一种新的基于Agent的神经网络隐层节点数的优化算法

被引：9

作者：

高鹏毅 ^{[1
]}

陈传波 ^{[1
]}

秦升 ^{[2
]}

胡迎松 ^{[1
]}

机构：

[1] 华中科技大学计算机学院

[2] 爱丁堡大学信息学院

来源：

计算机工程与科学 | 2010年 / 32卷 / 05期

关键词：

神经网络; 隐层节点; 隐层结构优化; 智能代理; 强化学习;

D O I：

暂无

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：

本文提出了一种新的基于Agent的神经网络隐层结构的优化算法(OHA)。该方法包括两个部分,分别由RLAgent和NNAgent合作完成。RLAgent根据强化学习算法找到一个比当前节点数更优的解,并反馈给NNAgent。NNAgent据此构建相应的网络,并采用分层训练的算法对该网络进行优化,训练结果再发给RLAgent。在多次循环后,OHA算法就可以找到一个训练误差最小的全局最优解(权值及隐层节点数)。本文讨论了有关的算法、测试和结果分析。Iris数据集和危险评估数据集的测试结果表明,算法避免了盲目搜索造成的计算开销,明显改善了优化性能。

引用

页码：30 / 33

页数：4