神经网络学习样本的研究

来源 :1997年中国神经计算科学大会 | 被引量 : 0次 | 上传用户:zhouyi_love
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自学习能力是神经网络的最重点优点之一,学习样本的好坏又是决定神经网络学习阶段收敛速度快慢和工作阶段推广性能力强弱的重要因素。该文将结合近年来发展起来的粗集理论,从学习样本的质量和数量两个方面来探讨在神经网络学习前,如何检验各种学习样本的性态。文中提出衡量学习样本质量的三个基本定性标准,即致密性、遍历性和相容性,给出了若干评定样本质量的定义、准则和方法。
其他文献
会议
应用PAC学习和VC dimnesion方法,分析了神经网络的泛化能力。对于给定的目标函数定义了泛化指标,表示训练后的神经网络和给定的目标函数之间的副近精度,用以分析结合先验知识的神经网络。证明
在讨论了现有的泛化理论和“VC”维理论的基础上,结合考虑了样本复杂度与学习算法等因素,该文提出网络“虚假复杂度”的概念。文中通过分析、比较说明“虚假复杂度”能够很好地解
基于神经网络的仿真建模、优化系统(HITSIM)支持仿真系统的无模型库建模和高维复杂理论模型的优化。以反向传播算法(BP算法)作为数据学习的主要手段。系统对小样本采用信息聚类和扩散,对超
该文研究了飞控系统程序调参控制律的神经网络实现,给出了网络的结构及优化算法;并以某型飞机电传操纵系统倾斜阻尼通道的程序调参控制律为例,对该实现方法进行了验证,结果表明,实
该文通过奇异摄动降阶方法同截取降阶法之间的变换关系,将奇异摄动降阶法转化为截取降阶法,为避免可能出现病态的均衡变换,利用Safnov等人提出的Schur分解模型降阶方法,通过两次变换得到奇异