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

被引：3

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：

关键词：

神经网络; 模糊规则推理; 泛化能力; 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：

从偏差方差模型出发 ,提出了一种通过模糊规则推理动态调整正则项系数的新方法 ,并有效地确定了模糊推理规则和隶属度函数 .并将该方法与BP算法和固定正则项系数的方法进行了比较 ,该方法具有精度高、收敛快和泛化能力高等优点 ,通过实例表明了该方法的有效性

引用

页码：189 / 194

页数：6