一种提高前向神经网络泛化性能的新算法

• 作者: 吴建生 杨善朝 金龙
• 来源期刊: 信息与控制
• 关键词: 神经网络 遗传算法 正则项系数 泛化能力
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 574-578,583
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2006.05.007

摘要

提出了一种利用遗传算法优化前向神经网络的结构和正则项系数的混合学习算法.将该方法与附加动量的BP算法、固定正则项系数神经网络方法进行比较.数值结果显示该方法具有精度高、学习收敛速度快和泛化能力高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨善朝	广西师范大学数学科学学院	77	635	14.0	21.0
2	金龙		43	694	14.0	24.0
3	吴建生	柳州师范高等专科学校数学与计算机科学系	25	292	9.0	16.0