一种结构自适应的神经网络特征选择方法

被引：12

作者：

李仁璞

王正欧

机构：

[1] 天津大学系统工程研究所

来源：

计算机研究与发展 | 2002年 / 12期

关键词：

特征选择; 网络结构; 前馈神经网络; 惩罚项;

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：

摘要：

特征选择是数据处理的一项重要内容 .现有的基于神经网络的特征选择方法没有考虑网络中隐结点数目的变化 ,使网络结构在特征选择过程中往往变得不合理 ,这阻碍了特征的进一步删除以及网络泛化性能的提高 .针对以上问题提出了一种结构自适应的神经网络特征选择方法 ,通过交替删除网络中冗余的输入特征和隐结点 ,使网络结构在特征选择的过程中保持相对良好 .实验表明 ,该方法既能快速有效地删除特征 ,又提高了网络的泛化性能

引用

页码：1613 / 1617

页数：5

共 4 条

[1] 基于神经网络的变量选择方法
高仁祥
张世英
刘豹
[J]. 系统工程学报, 1998, (02) : 34 - 39
[2] Variable selection using neural-network models[J] . Giovanna Castellano,Anna Maria Fanelli.Neurocomputing . 2000 (1)
[3] Assessing the importance of features for multi-layer perceptrons
Egmont-Petersen, M
Talmon, JL
Hasman, A
Ambergen, AW
[J]. NEURAL NETWORKS, 1998, 11 (04) : 623 - 635
[4] A penalty-function approach for pruning feedforward neural networks
Setiono, R
[J]. NEURAL COMPUTATION, 1997, 9 (01) : 185 - 204

← 1 →