基于属性核特征选择与隐含层节点数动态确定的BP神经网络模型

摘要：

针对传统BP神经网络存在的容易产生过拟合、网络计算耗时长等问题,提出基于属性核特征选择与隐含层节点数动态确定的BP神经网络模型(AC-H-BPNN).该模型以粗糙集中属性核为基点,通过属性重要度的判断,对神经网络输入项进行降维约简.针对隐含层节点数难以确定的问题,将二分分割法与经验公式相结合,精准确定隐含层节点数.并以水产养殖中对虾产量为例进行分析,实验结果表明,改进后的算法能够克服局部最小值问题,且预测结果准确度较高.

关键词：属性核、二分分割、BP神经网络、隐含层节点数、水产养殖

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61802217

在线出版日期：2021-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：113-118