-
题名一种提高神经网络泛化性能的罚项最优脑外科模型
被引量：1
- 1
-
-
作者
吴翠娟
李冬
嵩天
-
机构
苏州经贸职业技术学院机电系
北京理工大学计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2010年第4期1280-1283,共4页
-
基金
国家自然科学基金资助项目(60803002)
江苏省"青蓝工程"青年骨干教师资(2007)
-
文摘
最优脑外科过程是一种训练后网络剪枝算法,计算的复杂度非常高,通过把剪枝条件以惩罚项的形式纳入神经网络的训练目标函数中,把正则化方法的结构优化蕴涵于网络训练过程,构建面向最优脑外科过程的计算模型,实现网络训练过程和最优脑外科过程并行剪枝,既保持了最优脑外科过程的准确性,又具有正则化的高效性,提高了神经网络模型的泛化性能。该模型在理论上具有收敛性,其有效性和可行性通过给出的Leven-berg-Marquardt方案仿真实验也得到了说明。
-
关键词
神经网络
罚项最优脑外科模型
Levenberg-Marquardt方案
泛化能力
收敛性
-
Keywords
neural network
penalty OBS model
Levenberg-Marquardt solution
generalization ability
convergence
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
