基于灰关联-贡献度删减法的神经网络结构优化

摘要：

考虑到神经网络结构对网络应用性能的影响,提出一种基于灰关联-贡献度的神经网络隐含层结构优化方法.计算隐节点输出与网络输出的灰关联度,以此为依据删除对网络输出影响较小的隐节点,直到剩余隐节点的灰关联度大于灰关联删减阈值;计算隐节点对网络输出的贡献度,删除贡献度较小的隐节点,直到剩余隐节点的贡献度大于删减阈值,得到较为精简的神经网络.将该方法用于风电场风速的神经网络预测模型中,仿真结果表明,采用该结构能够精简网络结构,与其它方法相比,该方法优化后的神经网络性能能够得到有效改善.

关键词：灰关联-贡献度删减法、结构优化、灰关联度、贡献度、神经网络

所属期刊栏目：38

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目51277127

在线出版日期：2017-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：779-783