基于信息熵的神经网络敏感性分析
基于神经网络的敏感性分析的神经网络结构剪枝,经常会遇到剪枝决策不够客观的问题.针对这个问题,文章提出了基于信息熵的神经网络敏感性的定义,该定义可以客观的评估神经网络对各个输入变量的敏感性,并采用Zurada提出的最大间隔算法决定剪枝个数,使得在整个神经网络的剪枝过程中没有凭主观经验而决定的参数问题.模拟实验结果说明,基于信息熵定义的神经网络敏感性,在网络剪枝的应用中可以相对保守的删除输入变量的个数,使网络的泛化性能不降低.
信息熵、最大熵、神经网络、敏感性定义
36
TP391(计算技术、计算机技术)
保定市科学技术研究与发展指导计划项目12ZG005
2016-12-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
110-114