基于BP神经网络的参数迁移学习算法研究

摘要：

在大数据时代下,现实领域中存在很多带标签样本较少的数据集,传统的神经网络算法在处理这种数据集时分类准确率较低,因此本文提出了基于BP神经网络的参数迁移学习算法,该算法以传统的BP神经网络为框架,通过对源领域与目标域之间的相似度学习,把源领域中有用的参数信息迁移到目标域中,提高目标域中测试集的分类准确率.通过对UCI数据集进行实验,证明了在小数据样本下该算法比传统的神经网络算法有更好的效果.

关键词：BP神经网络、参数迁移学习、相似度、小数据样本、大数据

所属期刊栏目：15

分类号：TP181(自动化基础理论)

在线出版日期：2019-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：189-191