- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种提高前向神经网络泛化性能的新算法.pdf
第35卷第5期 信息与控制 V01.35.No.5
2006年10月 InfbHrIationandControl 0cI..2006
文章编号:1002明.11(2006)05旬574_05
一种提高前向神经网络泛化性能的新算法
吴建生1,金 龙2,杨善朝3
(1.柳州师范高等专科学校数学与计算机科学系,广西柳州545004;2.广西气象减灾研究所,广西南宁530022
3.广西师范大学数学科学学院,广西桂林541004)
摘要:提出了一种利用遗传算法优化前向神经网络的结构和正则项系数的混合学习算法.将该方法与
附加动量的BP算法、固定正则项系数神经网络方法进行比较.数值结果显示该方法具有精度高、学习收敛速
度快和泛化能力高等优点.
关键词:神经网络;遗:々算法;正则项系数;泛化能力
中图分类号:TPl83 文献标识码:A
ANew to theGeneraUzationof
AlgorithmImproVe Ability
Feed.forwardNeuralNetworks
‘
WU Shan—cha03
Jian·shen91,JINLon92,YANG
(1.D印Ⅱ九脚眦矿讹m概£协n蒯Co唧merSc据nce,如幽oun。如e巧cof如伊,“u小oⅡ545004,吼inn;
2.胁幽“e矿G眦“影i肘以∞rozog池zD厶珊£e”删t咖£】!on,№肌垤530022,傩inn;
3.coz如萨矿讹f^emn£如scl!ewe,Gun,够iⅣ0r啪2‰i挑砧氓CH龇54l004,吼i胍)
Abstract:A is inwhich areusedto boththenet-
hybridleamingapproachpresentedgeneticalgorithms op“mize
workarchitectureandthe coe岱cient. ismade this
regul撕zation Comparisonamongappmach,theback—propagation
withmomentumte肿andtheBP withfixed coemcient.Numericalresults
(BP)algorithm algorithm regularization
demonsh.atethat isof and
the
pmposedapproachhighlycomputationalaccuracy,quicklyconvergentspeed, high
generalizationcapability.
Keywords:neural
network;geneticalgorithm;reg
文档评论(0)