-
题名基于粗糙集的神经网络结构优化设计
被引量：12
- 1
-
-
作者
朱万富
赵仕俊
-
机构
中国石油大学计算机与通信工程学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2007年第17期4210-4212,共3页
-
文摘
神经网络的结构冗余的原因的基础上,提出了一种利用粗集优化网络结构的原理与方法,并用实例证明,与现有的权消去法,灵敏度剪枝法,相关性剪枝法等方法相比,该方法不仅优化了网络的拓扑结构,而且加快了网络的收敛速度,从而增强了BP神经网络的适应能力。
-
关键词
神经网络
粗糙集
结构
优化设计
权消去法
灵敏度剪枝法
相关性剪枝法
-
Keywords
neural network
rough sets
structure
optimization design
weight elimination algorithm
sensitivity pruning algorithm
correlation pruning algorithm
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于灰关联和灵敏度的BP网络隐含层结构优化
被引量：5
- 2
-
-
作者
张晓明
王芳
金玉雪
刘晓洋
-
机构
太原理工大学信息工程学院
-
出处
《计算机测量与控制》
北大核心
2014年第9期3055-3057,3080,共4页
-
基金
国家自然科学基金(51277127)
-
文摘
在优化BP神经网络隐含层结构时,采用灰关联剪枝法是每次删除灰关联度小于灰关联阈值的隐节点,该方法学习时间短,但由于灰关联阈值的选取具有一定的主观性,可能会导致误删节点或不能完全删除冗余节点;而采用灵敏度剪枝法是每次只删除灵敏度最小的一个隐节点,放学习时间较长;因此,提出一种基于灰关联——灵敏度的BP神经网络隐含层结构调整算法;首先在网络前期学习过程中,采用灰关联法对隐含层节点进行"粗删",直到剩余隐节点的灰关联度都大于动态灰关联闽值,然后在网络后期学习过程中,采用灵敏度剪枝法对隐含层节点进行"细删",直到删除后的学习误差增大,则保留该节点,并结束学习;文章将结构优化后的神经网络应用于风电功率预测,仿真结果表明,该方法在满足学习误差要求的同时,不仅精简了神经网络结构,而且避免了灰关联剪枝法中灰关联阈值精确选取困难所带来的问题。
-
关键词
隐含层结构优化
灵敏度剪枝法
灰关联度
BP神经网络
-
Keywords
hidden layer structure optimization
sensitivity pruning method
grey incidence degree
BP neural network
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
