一种新的神经网络逼近函数算法  

An ANN Algorithm of Fitting in Monotone Function

作　　者：李朝鹏[1] 李肯立[2] 成运[1] 陈臣[2] 

机构地区：[1]湖南人文科技学院,娄底417000 [2]湖南大学计算机与通讯学院,长沙410082

出　　处：《微计算机信息》2010年第12期233-234,201,共3页Control & Automation

基　　金："网格环境下强地震模拟与预测支撑系统的关键理论与技术研究";基金申请人:李肯立;基金颁发部门:国家自然科学基金委(90715029);湖南省教育厅项目(09C546);湖南省重点学科支助

摘　　要：针对地震数据等大数据多属性集处理一直是科学研究的重点和难点,本文提出一种多参数的单调性函数的拟合方法。利用主成分分析法来进行简化处理,从而获得较少的属性集合,并在此基础上,提出一种新的数据预处理方法,以较好地解决数据单调性所带来的归一化误差,并构造一个与之相匹配的神经网络模型,用它的学习算法来训练网络,从而实现函数拟合。最后通过仿真验证了该方法的有效性。According to the importance of seismic data processing,This paper presents an algorithm of fitting in multi-parameter monotone function.Predigest it with method of principal component analysis,and obtain less set of attributes,based on this,presents a new method of data-pretreatment,in order to solve the error caused by monotone data,then a neural network is constructed to match with it.The neural;network is trained by its learning algorithm to obtain a precise model,and realize fitting of function.Finally,the effectiveness of the proposed technique is confirmed by the fitting results of two monotone data.

关 键 词：BP神经网络 主成分分析 数据预处理 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]