自底向上优化神经网络的方法  

A Heuristic Approach for Improving Performance of Neural Network with the Cascade-Correlation

作　　者：杨钟瑾[1] 

机构地区：[1]广东商学院信息学院,广州510320

出　　处：《计算机工程与应用》2006年第23期34-37,77,共5页Computer Engineering and Applications

摘　　要：引荐了一种自动优化神经网络的新方法。这种启迪方法综合采用了相关有效算法,通过快速自底向上构造神经网络算法,可以获得优化结构的神经网络,即时选定参数算法动态优化神经网络的学习参数,并且快速交叉校验算法为解决过度适应问题提供了捷径。实验证明,这种启迪方法能自动有效地优化神经网络,与其它算法相较而言,具有更好的归纳性能、优化的网络结构和更快的学习速度。A new approach for the automated design of optimal neural network is presented.The heuristic approach employs several efficient algorithms,such as construction of optimal network architecture via fast cascade-correlation,dynamic optimization of learning parameters via simultaneous determination,avoiding overfitting problem via fast cross-validation.The experimental results show that the heuristic approach can automatically design optimal neural network with good generalization capability and optimal network and short training time in comparison with other algorithms.

关 键 词：神经网络 瀑流关联 自底向上 学习参数优化 交叉校验 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]