使用不同置信级训练样本的神经网络学习方法.pdfVIP

第 36卷第 6期 电 子 与 信 息 学 报 V-0I．36No．6 2014年 6月 JournalofElectronics InformationTechnology Jun．2014 使用不同置信级训练样本的神经网络学习方法 高学星① 孙华刚② 侯保林① ①(南京理工大学机械工程学院 南京 210094) ②f军械技术研究所 石家庄 050000) 摘 要：针对含不同置信级样本的模型拟合问题，该文提出了一种基于神经网络的二次学习方法。文中指出真实模 型是实验模型的一种变异，提出逼近真实模型期望值的神经网络，是融合先验样本和真实样本的最佳网络。首先， 以先验样本为训练样本进行第 1次神经网络学习，并计算取决于硬点信息的软点误差容量区间；然后，同时将先验 样本和真实样本作为训I练样本，利用软点误差容量区间和硬点误差敏感系数，对神经网络训练过程中输入 ／目标对 的误差进行修改，通过第2次学习得到既能精确拟合真实样本，又能最大化利用先验样本信息的综合网络。与基于 知识的神经网络fKBNN1相比，该方法更加简单，可操控性更强并具有更加明确的逻辑意义。 关键词：神经网络；模型拟合；基于知识的神经网络(KBNN)：先验知识 中图分类号：TP183 文献标识码：A 文章编号2014)06．1307-05 DOI：10．3724／SP．J．1146．2013．01099 A NeuralNetworkLearningM ethodUsingSamples withDifferentConfidenceLevels GaoXue—xing① SunHua-gang② HouBao—lin① (SchoolofMechanicalEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094，China) (OrdnanceTechnicalInstitute，Sh~iazhuang050000，China) Abstract：Tosolvethemodel—fittingproblemwithdifferentconfidencelevelsofsamples，aNeural—Network(NN)一 basedtwicelearningmethodisproposed．Itispointedoutthattherealmodelisavariationofexperimentalmode1． Theneuralnetwork approximation tothemathematicalexpectation ofrealmodel，iSbelieved tobethebest networkfusingtheinformation ofpriorsamplesandrealsamples．Inthefirstlearning，neuralnetworkistrained usingthepriorsamplesonly，and theerrorcapacity intervalsofthesoftpoints，which aredetermined bythe informationofhardpoints，arecalculated．Then，bothpriorsamplesandrealsamplesareincludedinthetraining samples．Theimport—objectiveerrorsintheprocessofNN trainingaremodified，usingsoftpointerrorcapacity intervalsandhardpointerror—sens