基于低维参数空间的神经网络结构设计方法

• 作者: 李占波 王世卿 胡静
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 神经网络结构设计 低维参数空间 流形学习 局部线性嵌入 Sammon系数
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 1221-1224
• 页数: 4页
• 分类号: TP13
• 字数: 2834字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-3087.2008.06.019

摘要

本文研究了流形学习的分类器网络结构优化设计问题,针对利用神经网络对同一对象的非线性结构样本集进行分类和识别时,如何合理地设计网络结构的问题,提出了一个新颖的基于低维参数空间估计的神经网络结构设计的方法.该方法以流形学习为基础,结合Sammon系数有效估计出低维参数空间大小,并将此对应到神经网络结构分组设计的隐节点分组数目上.从而设计出具有一定泛化能力的网络结构.实验结果表明了本文所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李占波	郑州大学软件技术学院	41	234	9.0	12.0
2	王世卿	郑州大学软件技术学院	44	299	9.0	15.0
3	胡静	郑州大学软件技术学院	10	49	4.0	6.0