贝叶斯神经网络建模预测方法及其应用

• 作者: 孙四通 樊春玲 金志华
• 来源期刊: 中国惯性技术学报
• 学科: 交通运输
• 关键词: 贝叶斯神经网络 漂移建模 马尔可夫链蒙特卡罗(MCMC) 先验知识
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 惯性仪表研究与设计
• 页码范围: 85-88
• 页数: 4页
• 分类号: U666.1
• 字数: 4032字
• 语种: 中文

摘要

针对神经网络建模时,其模型的复杂性难以控制而且缺乏分析结果的工具,以及贝叶斯方法可以通过定义一些超参数的模糊先验来控制模型参数复杂性,并且可对任何感兴趣的变量产生后验预测分布,使得置信区间的计算成为可能.研究了贝叶斯神经网络的建模预测问题,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.通过动调陀螺仪漂移数据建模应用分析结果证明此方法可以达到较好的建模预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金志华	上海交通大学信息枪测技术及仪器系	104	1190	19.0	30.0
2	樊春玲	青岛科技大学自动化与电子工程学院	26	186	8.0	13.0
3	孙四通	青岛科技大学自动化与电子工程学院	7	38	3.0	6.0