一种基于蒙特卡罗模拟的神经网络分类器

摘要：

提高神经网络推广性的关键是控制模型的复杂度.本文给出了一种基于贝叶斯推理的神经网络分类方法,通过融入模型参数分布的先验知识,与观察到的学习样本相综合来控制神经网络模型中不同部分权参数的复杂度.使用马尔可夫链蒙特卡罗模拟法获得模型权参数的后验分布,预测分类是基于多个分类模型输出的平均.文中给出了在2个实际分类问题上的应用结果并与一些常规方法进行了对比.

关键词： 神经网络分类器 模式识别 贝叶斯推理 马尔可夫链 蒙特卡罗模拟

作者: 杨斌 聂在平

作者单位: 电子科技大学电子工程学院,610054

会议类型: 国内会议

会议名称: 中国电子学会第八届青年学术年会暨中国电子学会青年工作委员会成立十周年学术研讨会

会议地点: 合肥

会议语种:中文

页码: 759-763

在线出版日期: 2002-08-13（万方平台首次上网日期，不代表论文的发表时间）