一种提高神经网络泛化性能的罚项最优脑外科模型

• 作者: 吴翠娟 嵩天 李冬
• 来源期刊: 计算机应用研究
• 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
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1280-1283
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.04.021

摘要

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Levenberg-Marquardt方案仿真实验也得到了说明.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴翠娟	苏州经贸职业技术学院机电系	27	72	4.0	7.0
2	嵩天	北京理工大学计算机学院	30	331	10.0	18.0
3	李冬	苏州经贸职业技术学院机电系	19	48	4.0	6.0