神经网络训练样本优化方法研究

• 作者: 华荣芹 吕光建 常喜强 张新燕 陈杰 黄池
• 来源期刊: 电子世界
• 关键词: 神经网络 训练样本 优化 预测
• 年，卷（期）: 2014,（22）
• 所属期刊栏目: 学术交流
• 页码范围: 411-411,412
• 页数: 2页
• 字数: 4557字
• 语种: 中文

摘要

神经网络训练样本的选择具有随机性，大量的相似样本不但增加了训练时间，而且削弱了网络的泛化能力、降低了预测的精度。神经网络训练样本的质量对网络预测精度存在较大影响。合理的选择训练样本集对于提高网络的预测精度和泛化能力有重要意义。本文分别分析了训练样本质量与网络预测误差及网络泛化能力的关系，提出了以聚类法优化神经网训练样本，并以某风场数据实例验证了本方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新燕	新疆大学电气工程学院	161	1140	18.0	26.0
2	常喜强		70	248	8.0	12.0
3	吕光建	新疆大学电气工程学院	3	10	2.0	3.0
4	陈杰	新疆大学电气工程学院	2	8	2.0	2.0
5	黄池	新疆大学电气工程学院	4	15	2.0	3.0
6	华荣芹		1	5	1.0	1.0