人工神经网络预报模型的过拟合研究

• 作者: 况雪源 王业宏 覃志年 金龙 黄海洪
• 来源期刊: 气象学报
• 学科: 地球科学
• 关键词: 神经网络 泛化性能 过拟合现象 预报建模
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 论文
• 页码范围: 62-70
• 页数: 9页
• 分类号: P4|TP18
• 字数: 7983字
• 语种: 中文
• DOI: 10.3321/j.issn:0577-6619.2004.01.007

摘要

针对神经网络方法在预报建模中存在的"过拟合"(overfitting)现象和提高泛化性能(generalization capability)问题,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法.研究结果表明,这种新的神经网络预报建模方法,通过浓缩预报信息,降维去噪,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验,没有"过拟合"现象,并且与传统的神经网络预报建模方法及逐步回归预报模型相比泛化能力有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王业宏		5	194	5.0	5.0
2	覃志年		15	290	9.0	15.0
3	况雪源		6	297	6.0	6.0
4	金龙		14	226	8.0	14.0
5	黄海洪		5	130	2.0	5.0