10.3969/j.issn.1000-3428.2006.22.074
基于最优分类面的神经网络模式分类方法
用一组训练样本对神经网络进行训练后,网络对训练阶段未曾见过的样本也能正确分类.但传统的神经网络模式分类方法泛化能力不十分理想,而且不稳定.对同一个分类任务,训练样本改变,分类器泛化能力的大小也会改变.该文提出一种基于最优分类面的神经网络模式分类方法.通过寻找并训练最优分类面,提高网络的泛化能力,增强泛化能力的稳定性.用异或问题和双螺旋线问题验证该新方法的有效性和泛化能力,取得了令人满意的结果.
BP神经网络、模式分类、最优分类面、泛化能力
32
TP183(自动化基础理论)
国家重点基础研究发展计划973计划G1999032701
2006-12-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
206-208,245