多层前馈神经网络隐单元数目上界的证明

被引:6
作者
刘英敏
吴沧浦
机构
[1] 北京理工大学自动控制系!北京
关键词
前馈神经网络; 隐单元数; 上界; 泛化;
D O I
10.15918/j.tbit1001-0645.2000.01.017
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
研究前馈神经网络隐单元数目的上界和如何利用样本集的特性减少所需的隐单元个数 .利用 Sigmoid函数的两端极限特性 ,使每个隐单元表示 1~ 2个样本 .在样本集具有局部单调性的情况下 ,可以用有 (p- 1) / 2个隐单元的 3层前馈神经网络以任意小的误差表示 p个目标值 .对一般的样本集 ,所需的隐单元数为 (p- 1) / 2~ (p- 1)个
引用
收藏
页码:73 / 76
页数:4
相关论文
共 4 条
[1]  
Upper bounds on the number of hidden neurons in feedforward networks with arbitrary bounded nonliner activation functions. Huang G,Babri H A. IEEE Transactions on Neural Networks . 1998
[2]  
Capabilities of a four -layeded feedforward neural network: Four layers versus three. Tamura S,Tateishi M. IEEE Transactions on Neural Networks . 1997
[3]  
Bounds on the number of hidden neurons in Multilayer perceptrons. Huang S,Huang Y. IEEE Transactions on Neural Networks . 1991
[4]  
A simple method to derive bounds on the size and to train multilayer neural networks. Sartori M A,Antsaklis P J. IEEE Transactions on Neural Networks . 1991