【摘要】：針對(duì)神經(jīng)網(wǎng)絡(luò)分類器訓(xùn)練時(shí)間長(zhǎng)、泛化能力差的問(wèn)題,提出了一種基于動(dòng)態(tài)數(shù)據(jù)約簡(jiǎn)的神經(jīng)網(wǎng)絡(luò)分類器訓(xùn)練方法(DDR)。該訓(xùn)練方法在訓(xùn)練過(guò)程中賦給每個(gè)訓(xùn)練樣本一個(gè)權(quán)重值作為樣本的重要性度量,依據(jù)每次網(wǎng)絡(luò)迭代訓(xùn)練樣本的分類錯(cuò)誤率動(dòng)態(tài)更新每個(gè)訓(xùn)練樣本的權(quán)重值,之后依據(jù)樣本的權(quán)重值來(lái)約簡(jiǎn)訓(xùn)練樣本,從而增加易錯(cuò)分類的邊界樣本比重,減少冗余核樣本的作用。數(shù)值實(shí)驗(yàn)表明,基于權(quán)重的動(dòng)態(tài)數(shù)據(jù)約簡(jiǎn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法不僅大幅縮短了網(wǎng)絡(luò)的訓(xùn)練時(shí)間,而且還能夠顯著提升網(wǎng)絡(luò)的分類泛化能力。
[Abstract]:Aiming at the problem of long training time and poor generalization ability of neural network classifier, a neural network classifier training method based on dynamic data reduction (DDR).) is proposed. In the training process, a weight value is assigned to each training sample as the importance measure of the sample, and the weight value of each training sample is dynamically updated according to the classification error rate of each network iteration training sample. Then the training samples are reduced according to the weights of the samples, thus increasing the proportion of the boundary samples of error-prone classification and reducing the role of redundant kernel samples. Numerical experiments show that the dynamic data reduction neural network training method based on weights can not only significantly shorten the training time of the network, but also can significantly improve the classification generalization ability of the network.
【作者單位】： 遼寧工程技術(shù)大學(xué)理學(xué)院;遼寧工程技術(shù)大學(xué)礦業(yè)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51304114,71371091)
【分類號(hào)】：TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李斌;手寫字母識(shí)別中的多級(jí)神經(jīng)網(wǎng)絡(luò)分類器[J];管理科學(xué)文摘;1997年06期

2 景志宏,武勇,夏軍利,王元一;一種聯(lián)合多神經(jīng)網(wǎng)絡(luò)分類器的融合算法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年01期

3 呂鐵軍,肖先賜;基于快速組合神經(jīng)網(wǎng)絡(luò)分類器的數(shù)字調(diào)制識(shí)別新方法[J];信號(hào)處理;2001年01期

4 張鴻賓;一種基子距離的神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計(jì)方法[J];計(jì)算機(jī)應(yīng)用與軟件;1992年06期

5 顏華，胡謀;基于模糊識(shí)別的神經(jīng)網(wǎng)絡(luò)分類器[J];上海鐵道大學(xué)學(xué)報(bào);1996年02期

6 邵棟,周志華,陳兆乾;一種具有容錯(cuò)能力的自適應(yīng)神經(jīng)網(wǎng)絡(luò)分類器[J];計(jì)算機(jī)研究與發(fā)展;2001年03期

7 董一鴻;一種快速高效的神經(jīng)網(wǎng)絡(luò)分類器[J];計(jì)算機(jī)工程;2003年19期

8 孫偉東;袁昌明;王強(qiáng);蔣慶;;沖床保護(hù)裝置的人手與坯料神經(jīng)網(wǎng)絡(luò)分類器模型[J];機(jī)電工程;2007年03期

9 王春艷;程霜梅;楊鑫;;基于聚簇樣本約減的K-近鄰神經(jīng)網(wǎng)絡(luò)分類器[J];情報(bào)科學(xué);2010年10期

10 胡萍;;一種能簡(jiǎn)化復(fù)雜分類問(wèn)題的矩陣模塊神經(jīng)網(wǎng)絡(luò)分類器[J];小型微型計(jì)算機(jī)系統(tǒng);2012年07期

相關(guān)會(huì)議論文 前1條

1 李孟歆;吳成東;;基于響應(yīng)面法的神經(jīng)網(wǎng)絡(luò)分類器的參數(shù)優(yōu)化[A];第二十屆中國(guó)控制會(huì)議論文集（下）[C];2001年

相關(guān)博士學(xué)位論文 前3條

1 薛富強(qiáng);進(jìn)化RBF神經(jīng)網(wǎng)絡(luò)分類器研究[D];解放軍信息工程大學(xué);2009年

2 胡靜;機(jī)器學(xué)習(xí)及其神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化設(shè)計(jì)[D];合肥工業(yè)大學(xué);2007年

3 高鵬毅;BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D];華中科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前3條

1 鞠方媛;協(xié)同學(xué)原理在神經(jīng)網(wǎng)絡(luò)分類器中的研究與應(yīng)用[D];華北電力大學(xué);2013年

2 孫云山;基于信號(hào)估計(jì)的模糊神經(jīng)網(wǎng)絡(luò)分類器盲均衡算法的研究[D];太原理工大學(xué);2006年

3 何田中;神經(jīng)網(wǎng)絡(luò)分類器及其規(guī)則抽取技術(shù)的研究[D];南昌大學(xué);2005年

，

本文編號(hào)：2200924