K—FOLD交叉验证和BP神经网络在图书智能分布中的应用.pdfVIP

第 22期 总第 176期 内蒙 古 科 技 与 经 济 No．22，the176thissue 2008年 11月 InnerMongoliaScienceT~hnology Economy Nov．20o8 K—FOLD交叉验证和BP神经网络在图书智能分布中的应用 崔 旭 (延边大学工学院计算机科学与技术系，吉林 延吉 133002) 摘 要：为了更好地解决图书利用率这一 问题，文章提 出了一种改进的BP神经网络模型，并将交 叉验证算法运 用到该模型中。实验结果表 明，采用这种改进的神经网络模型和交叉验证方法可 以较好 的实现 图书分布 的优化 ，从 而达到提 高图书利用率 的 目的。 关键词 -交叉验证 ；智能分布 ；神经 网络 ；人工智能 中图分类号 ：TPl183 文献标识码 ：A 文章编号 ：l007—6921(2008)22—．()270卜．_02 人工神经 网络是近几年来迅速发展 的人工智能 有 m／k个实例 。然后 ，运行 k次交叉验证 过程 ，每 新技术 ，在处理不确定性 和非结构化的信息方面具 一 次使用不 同的子集作为验证集合 ，并合并其他 的 有独特 的优势，在人工神经 网络 的实际应用 中，89％ 子集作为训练集合 。于是 ，每一个样例会在一次实 ～ 90％是采用反 向传播 网络或它的变化形式 ，它是 验 中被用作验证集合 的成员 ，在 k一1次实验 中用作 前向网络的核心部分，体现 了人工神经 网络的最精 训练集合的成员。在每次实验 中，都使用上 面讨论 华部分…。为 了通过解决优化 图书分布 问题 以达到 的交叉验证过程来决定在验证集合上取得最佳性能 提高 图书利用率 的 目的，本文提 出了一种改进 的BP 的迭代次数 i。然后计算这些 i的均值 i，最后运行 神经 网络模 型和结合 交叉 验证 方法 的图书分类算 一 次反相传播算法 ，训练所有 m个实例并迭代 i次 ， 法 。 此时没有验证 集合 。k—fold交叉验证方法在解决 l BP神经 网络模型 的建立 小训练集过度拟合 问题时效果 比较突出。 每本 图书在这里考虑 以下 7方面属性信息 ：版 结合图书智能分布 问题 ，则相应的交叉验证算 本、是否全集 、借阅次数 (流通率 )、读者层次、是否 法可 以描述如下 ： 外文外国作品、半衰期和图书的收藏价值 ，并将这些 Stepl：将 量化后 的全部 图书实例 分成 5个子 属性经过量化处理后作为神经 网络 的输入信号 。针 集 ，各-T-集数据个数为m／5； 对本文 问题所设计 的 BP神经 网络采用 的是三层结 Step2：从各子集 中选择一个子集作为验证集 ， 构 ：输入层 、隐层 (中间层 )和输 出层 ，其 中输入层 的 其余 4个子集合并为一个训练集 ； 节点数为 7，每个节点接受 图书 的一个属性量化值 Step3：对训练集进行训练学习； 作为输入信号 ，分别用 a，a2，… ，a7表示 ；隐层个数 Step4：对验证集 进行验证实验 ，并记录下在验 为 1；输 出层节点数为 3，每一节点 的输 出值为 0或 证集上取得最佳性能的迭代次数 i； 1，输 出层每次输出的结果只有一个结点为 1，这样 Step5：重复上述步骤 Step2至 Step4，直到将 5 输出层有 {1．0．0}、{0．1．0}和 {0．0．1}三个输 出结 个子集都验证结束为止； 果 ，代表三个不 同级别 的图书摆放位置 ，其 中{1．0． Step6l将 这 5次训练 的迭 代次数 的均值求 出 0}代表一线