遗传算法设计神经网络的一种新方法
提出了一种基于平均风险误差推测的遗传算法优化设计前向神经网络的方法,遗传算法的适应度函数并不采用基于传统的最小均方误差准则,而是由最小平均风险误差准则所决定.这种方法在计算神经网络输出与期望输出之间误差的同时,还要考虑神经网络对每一类训练样本产生的这种误差所引起的风险损失.这种方法优化得到的神经网络不但可以准确地再现训练样本集合的期望输出,对训练样本复合外样本的预测能力也有明显的提高.
遗传算法 神经网络 优化设计 风险误差
黎明 陈敏 杨小芹 刘高航
南昌航空工业学院测试与控制工程系(江西南昌)
国内会议
福州
中文
54-57
2001-08-01（万方平台首次上网日期，不代表论文的发表时间）