神经网络泛化性能的最优脑外科过程算法

• 作者: 嵩天 李冬
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 神经网络 最优脑外科 马括特方法 泛化 信赖域
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 198-202
• 分类号: TP183
• 字数: 4043字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.03.048

摘要

在神经网络性能测试新方法的研究中,关于最优脑外科过程拥有较高的权值修剪准确率和节点压缩率的问题,但其训练和泛化优化的异步影响了算法的实际应用.把剪枝条件以约束项的形式纳入神经网络的训练日标函数中,借鉴信赖域的思路和正则化方法,设计了含约束项的最优脑外科过程.经验证,过程在理论上是收敛的.通过雷文博格-马括特(Leven-berg-Marquardt)方法实现了该过程,典型函数仿真实验验证了过程不仅提高了神经网络的泛化性能,实现了网络训练与最优脑外科剪枝的并行,也说明了信赖域的方法与雷文博格-马括特方法在理论上的一致性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	嵩天	北京理工大学计算机学院	30	331	10.0	18.0
2	李冬	苏州经贸职业技术学院信息系	19	48	4.0	6.0