神经网络主动学习的进化算法

摘要：

@@ 1引言
近年来,神经网络的研究取得了很大进展,特别是,为了克服传统的BP学习算法的缺陷,即学习速度慢和人为给定的拓扑结构对特定学习任务的不适应性,而发展的自适应神经网络的增长策略[1],它通过不断地增长隐节点[2,3]或子网[4.5]来满足给定学习任务的复杂性要求.这种神经网络的增长算法不仅克服了人为指定的拓扑结构的困难,而且由于其结构过程所固有的模块化训练特性,也缓解了传统的BP算法训练速度慢的突出问题.由于神经网络训练程度很难把握,许多算法往往过分强调训练结果而牺牲泛化结果,致使网络的过拟合问题严重.为了克服过拟合问题,研究者们采用了多网络合作模型[6,7],由于多个网络的平均效应,可以避免单个网络的预言偏颇,获得满意的解.

机标关键词：神经网络、主动学习、进化算法、Neural Network、Active Learning、训练速度、拓扑结构、增长策略、训练结果、训练程度、学习算法、学习速度、平均效应、拟合、合作模型、不适应性、自适应、隐节点、模块化、多网络

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金

在线出版日期：2004-01-08（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：61-63