期刊文献+

贝叶斯神经网络在误差修正中的应用研究 被引量:1

下载PDF
导出
摘要 针对传统神经网络在实际应用中暴露的泛化能力不强的缺点,使用正则化方法通过修正神经网络的训练性能函数来提高神经网络的泛化能力。再将贝叶斯推理与神经网络相结合,可以在网络训练过程中自适应地调节正则化参数的大小,并使其达到最优。最后通过仿真方法验证贝叶斯神经网络在误差修正中的可行性。
作者 李鹏
出处 《今日科苑》 2009年第6期292-292,共1页 Modern Science
  • 相关文献

参考文献1

二级参考文献6

  • 1Hornik K, Stinchcombe M, White H. Multilayer feedforward networks are universal approximators. Neural Networks, 1989, 2(5):359~366
  • 2Blum E K, Li L K. Approximation theory and feed forward networks. Neural Networks, 1991,4 (4): 511~515
  • 3Huang S C, Huang Y F. Bounds on number of hidden neurons in multiplayer perceptrons. IEEE Trans on Neural Networks,1991, 2(1) :47~55
  • 4Sartori M A, Antsaklis P J. A simple method to drive bounds on the size and to train multiplayer neural networks. IEEE Trans on Neural Networks, 1991, 2(3): 467~471
  • 5Reed R. Pruning algorithm--a survey. IEEE Trans on Neural Networks, 1993,4(5) :740~747
  • 6赵弘,周瑞祥,林廷圻.基于Levenberg-Marquardt算法的神经网络监督控制[J].西安交通大学学报,2002,36(5):523-527. 被引量:118

共引文献120

同被引文献11

引证文献1

二级引证文献13

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部