摘要
针对BP神经网络隐层单元数不易确定的问题,提出一种在传统的经验公式基础上快速确定隐层单元数的方法。该方法首先借助经验公式确定隐层单元数的取值范围,然后将其扩大,在这个扩大的范围内寻找最优值。以BP神经网络预测交通流量为例,解释说明了具体的步骤,以及网络模型的隐层结构对模型仿真精度的影响。结果表明,采用该方法可快速决定隐层单元数,在实例中采用16个隐层单元数为最佳。
A new scheme is proposed based on the experiential formula to determine the quantity of internal nodes of a ANN.The method uses the experiential formula to determine the range,to expand it and then find the best one.Traffic flow prediction by using BP neural network is shown as an example to show the effectiveness of the method to determine the quantity of internal nodes and explain the effect of the choices.As a result,16 is the best choice as the internal nodes.
出处
《控制工程》
CSCD
北大核心
2009年第S2期100-102,共3页
Control Engineering of China
基金
国家863基金资助项目(2007AA041403
2006AA040308)
上海启明星计划基金资助项目(07QA14030)
上海经委创新基金资助项目(07XI-041)
关键词
BP神经网络
网络结构
隐层单元数
车流量预测
BP neural network
structure of the networks
number of internal nodes
traffic flow prediction
