神经网络的泛化能力与结构优化算法研究

被引：39

作者：

武妍

张立明

机构：

[1] 同济大学计算机科学与工程系

[2] 复旦大学电子工程系上海

[3] 复旦大学电子工程系

[4] 上海

来源：

计算机应用研究 | 2002年 / 06期

关键词：

神经网络; 泛化能力; 结构优化; 正则化;

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：

从泛化理论、现有提高神经网络泛化能力的方法等几个方面总结了当前神经网络结构优化与泛化能力研究的现状。神经网络泛化能力的提高可通过神经网络结构的优化和正则化等方法加以实现。最后提出了今后研究的展望。

引用

页码：21 / 25+84 +84

页数：6

共 8 条

[1] 关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01) :36-46

[2] 提高前馈神经网络泛化能力的新算法 [J].

鲁子奕 ;

杨绿溪 ;

吴球 ;

何振亚 .

电路与系统学报, 1997, (04) :7-12

[3] 多层前向网络的研究——遗传BP算法和结构优化策略 [J].

陈荣 ;

徐用懋 ;

兰鸿森 .

自动化学报, 1997, (01) :45-51

[4] 神经网络结构设计的准则和方法 [J].

方剑 ;

席裕庚 .

信息与控制, 1996, (03) :156-164

[5] 人工神经网络的容量、学习与计算复杂性 [J].

阎平凡 .

电子学报, 1995, (05) :63-67

[6] 训练多层网络的样本数问题 [J].

张鸿宾 .

自动化学报, 1993, (01) :71-77

[7]

神经网络与模糊控制[M]. 清华大学出版社 , 张乃尧, 1998

[8]

Using Additive Noise in Back-propagation Training .2 L Holmstrom,P Koistinen. IEEE Trans. on Neural Networks . 1992

← 1 →