前馈神经网络病态样本投票剔除算法  

Algorithm of Voting to Eliminate Morbid Samples in Forward Feed Neural Networks

作　　者：艾景军[1] 周春光[1] 宫成春[2] 

机构地区：[1]吉林大学计算机科学与技术学院,吉林长春130012 [2]吉林大学数学学院,吉林长春110012

出　　处：《小型微型计算机系统》2002年第11期1371-1374,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目 ( 6 0 175 0 2 4)资助

摘　　要：收敛速度慢和容易陷入局部极小一直是困扰前馈神经网络的主要问题 .然而 ,不能找到全局最优解的部分原因之一是由于样本质量造成的 .如果训练样本集中含有病态样本 ,那么网络永远也达不到收敛 .本文提出一种以模式聚类为基础的病态样本判定方法 ,并给出基于模式相似度计算的投票剔除算法 .Convergence speed and stalling is always trouble of forward feed neural networks. However, sample quality should be blamed a lot for global optimal hiding. The network would never convergence if there were morbid samples. The author presented a method for morbid sample recognition that base mode clustering, paper proposed a eliminating algorithm of voting that base mode similarity calculating.

关 键 词：前馈神经网络 病态样本 投票剔除算法 模式聚类 相似度计算 投票算法 收敛速度 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]