无监督Eidos表相盒中脑状态人工神经元网络模型参数优化选取

• 作者: 宋茂忠 王旭东
• 来源期刊: 控制理论与应用
• 关键词: 盒中脑 无监督表相盒中脑状态 参数优化
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 短文
• 页码范围: 373-376
• 分类号: TN052
• 语种: 中文

摘要

本文研究了无监督表相盒中脑状态(Eidos BSB)人工神经元网络模型的参数优化选取问题.通过对模型连接矩阵的特征值进行深入分析,发现网络分类能力取决于有效特征值的平稳性和区别性.提出采用有效特征值均值与其他特征值均值的比,作为参数优化选取的依据,给出了选取最优参数的具体方法.仿真结果表明,经参数优化选取后的Eidos BSB模型与原始Eidos BSB模型相比,能够获得更强的噪声适应能力,更好的分类性能.参数优化后的网络对噪声污染率为100%的输入样本的平均识别概率达94%以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋茂忠	南京航空航天大学信息科学与技术学院	69	408	11.0	16.0
2	王旭东	南京航空航天大学信息科学与技术学院	41	324	10.0	16.0