原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于PCA的概率神经网络结构优化
ISSN 1000-0054 ( ) 2008 48 1 w 37
CN 11-2223/ N J T singhua Un iv ( Sci Tech) , 2008, V l. 48, N . 1 http:/ / qhxbw . chinaj urnal. net. cn
基于PCA 的概率神经网络结构优化
邢 杰, 萧德云
( , 100084)
: 为了改善概率神经网络( PNN ) 在训练样本数量较 , ,
大冗余度较高时存在的结构复杂的问 , 提出一种基于主成
分分析( P CA) 的结构优化方法。以概率乘法公式为理论依 PNN
据, 根据训练样本的P CA 结果对 PNN 进行结构优化, 并引 , ( principal
入学习算法减小PNN 的参数不确定性。实验结果表明: 在
c mp nent analysis, PCA ) PNN
训练样本数量较大冗余度较高的情况下, 优化后的PNN 能
PNN ,
够使用比传统PNN 更简单的网络结构达到相近的结果。
, ,
: 概率神经网络; 主成分分析; 铝电解槽; 阳极效应 [ 1]
PCA ,
: T P 183 : A ,
: 1000-0054( 2008) 01-0141-04 [ 2- 3]
PCA PNN
PCA-based probability neural network , PCA , PNN
structure optimization , PNN
XING Jie, XIAO Deyun
( Department of Automation, Tsinghua University, , PNN
Beij ing 00084, China) , , PNN
Abstract: T he stru ctures f pr bability neur al netw rk s ( PNN) are
quite c m plicated w h en trained w ith large, highly redun dant training
samples. A prin cipal c mp nent an alysis ( PCA) -based structure PNN 的概率运算分析
w as devel ped t ptimize the PNN stru cture. A pr b ability PNN 1
multiplicati n f rmula w as used as the the r etical f undati n. T he
PNN stru cture w as ptimized based n statistical r esults fr m the M , N ,
PCA f r the training samples . A lear ning alg rithm w as intr duced , , ,
S 1 S 2 S N
int the PNN t reduce un cer tainties param
文档评论（0）