基于共轭梯度的罚项最优脑外科过程优化算法
针对最优脑外科过程网络剪枝计算复杂度高,且需要与训练算法配合使用的不足,提出了把剪枝条件以罚项的形式纳入神经网络的训练目标函数中,构建了罚项最优脑外科过程的计算模型.该模型理论上具有收敛性.在此基础上,借助共轭梯度方法,实现了该计算模型.仿真实验结果表明了该算法的有效性.该算法实现了网络训练过程和最优脑外科过程的并行,既保持了最优脑外科过程的准确性,有具有正则化的高效性,提高了神经网络的泛化性能.
神经网络、最优脑外科过程、模型、共轭梯度、收敛性、网络剪枝
31
TP183(自动化基础理论)
国家自然科学基金项目60803002
2010-12-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
4480-4483