一种基于神经网络复杂度的修剪算法
针对神经网络结构设计问题,提出一种基于神经网络复杂度的修剪算法.其实质是在训练过程中,利用网络连接权矩阵的协方差矩阵计算网络的信息熵,获得网络的复杂度;在保证网络信息处理能力的前提下,删除对网络复杂度影响最小的隐节点.该算法不要求训练网络到代价函数的极小点,适合在线修剪网络结构,并且避免了结构调整前的网络权值预处理.通过对典型函数逼近的实验结果表明,该算法在保证网络逼近精度的同时,可有效地简化网络结构.
修剪算法、神经复杂度、互信息熵
25
TP273(自动化技术及设备)
国家自然科学基金60873003;国家863计划项目2007AA04Z160;2009AA04Z155;教育部博士点基金200800050004;北京市自然科学基金4092010
2010-11-19(万方平台首次上网日期,不代表论文的发表时间)
821-824,830