基于BP神经网络的参数迁移学习算法研究

• 作者: 张文田
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: BP神经网络 参数迁移学习 相似度 小数据样本 大数据
• 年，卷（期）: 2019,（2）
• 页码范围: 189-191
• 页数: 3页
• 分类号: TP181

摘要

在大数据时代下,现实领域中存在很多带标签样本较少的数据集,传统的神经网络算法在处理这种数据集时分类准确率较低,因此本文提出了基于BP神经网络的参数迁移学习算法,该算法以传统的BP神经网络为框架,通过对源领域与目标域之间的相似度学习,把源领域中有用的参数信息迁移到目标域中,提高目标域中测试集的分类准确率。通过对UCI数据集进行实验,证明了在小数据样本下该算法比传统的神经网络算法有更好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文田	华南理工大学数学学院	3	1	1.0	1.0