一种基于惩罚系数的 BP 神经网络预测能力

• 作者: 廖卫强 王国玲 迟岩
• 来源期刊: 辽宁工程技术大学学报(自然科学版)
• 学科: 工学
• 关键词: BP 神经网络 预测 局部极小 Metropolis 准则 惩罚系数 误分 不均衡分布 轮换法
• 年，卷（期）: 2013,（2）
• 页码范围: 30-33
• 分类号: TP389.1
• 字数: 3537字
• 语种: 中文

摘要

为提高 BP 神经网络训练的预测能力,采用有助于提高 BP 神经网络逼近精度的 Metropolis 准则来克服BP 神经网络训练学习过程中容易陷入局部极小值的问题;考虑到两类误分的代价不同,利用两个惩罚系数 C1和 C2,对两类误分给予不同程度的惩罚;采用轮换法的策略来避免因样本不均衡分布带来的负面影响.研究结果表明:所构建的神经网络模型效果令人满意,是行之有效的做法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖卫强	集美大学电气自动化教研室	8	51	4.0	7.0
2	王国玲	集美大学电子教研室	15	57	5.0	7.0