[发明专利]基于神经元显著性的前馈神经网络结构自组织方法有效
| 申请号： | 201710440600.3 | 申请日： | 2017-06-13 |
| 公开（公告）号： | CN107273971B | 公开（公告）日： | 2021-10-22 |
| 发明（设计）人： | 韩广;成琦;孙晓云;刘少哲;吴世星 | 申请（专利权）人： | 石家庄铁道大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 西安铭泽知识产权代理事务所(普通合伙) 61223 | 代理人： | 俞晓明 |
| 地址： | 050043 河*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于神经元显著性的前馈神经网络结构自组织方法，涉及神经网络技术领域，针对传统前馈神经网络结构选取困难的问题，本发明提出的方法根据隐含层神经元的显著性大小动态调整神经网络的网络结构。实验结果表明：改进后的算法能够降低网络结构选取的盲目性，实现了网络结构的动态优化调整，提高了网络识别的精度。其在非线性系统辨识、数据分类和工程类缺陷类型识别上均具备较高的精度。 | ||
| 搜索关键词： | 基于 神经元 显著 神经网络 结构 组织 方法 | ||
【主权项】：
一种基于神经元显著性的前馈神经网络结构自组织方法，其特征在于，包括以下步骤：(1)系统建模；(2)网络初始化；(3)训练网络；(4)判断当前训练得到的隐含层第j个节点是否满足增长条件，若是，进入步骤(5)，否则进入步骤(6)；(5)在隐含层中增加神经元并再次训练网络；(6)判断是否达到预设的训练次数，如果是，进入步骤(7)，否则返回步骤(3)；(7)训练网络；(8)判断当前得到的隐含层第j个节点是否满足删减条件，若是，进入步骤(9)，否则进入步骤(10)；(9)删除隐含层对应的神经元，将删除的神经元的连接权值增加到目前显著性最大的神经元，并训练网络；(10)判断是否达到预设的训练次数，如果是则进入步骤(11)，否则返回步骤(7)；(11)用新参数训练网络；(12)带入测试数据测试网络，流程结束。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于石家庄铁道大学，未经石家庄铁道大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710440600.3/，转载请声明来源钻瓜专利网。
