刘军
- 作品数:4 被引量:9H指数:2
- 供职机构:江西师范大学计算机信息工程学院更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 神经网络学习算法研究
- 随着神经网络学科又一次研究高潮的到来,神经网络已广泛应用与科学计算,模式分类,模式提取,金融行业,国防工业,航空行业,智能控制等等。神经网络不但具备逼近任何非线性函数能力,而且网络的泛化能力很强,从而达到一种函数映射关系...
- 刘军
- 关键词:神经网络学习算法粒子群算法梯度下降法函数映射
- 文献传递
- PSO粒子群算法在神经网络泛化能力中研究被引量:6
- 2009年
- 利用PSO粒子群算法对神经网络的权值和阈值,隐藏层中神经元的传递函数系数进行优化。针对网络训练效果好,而泛化能力很差的情况,将训练样本均方差和权值的平方和结合作为PSO算法的目标函数。实验表明,该方法比惯性权值PSO-BP算法和基本梯度下降法好,不但稳定性好,而且预测精度高,泛化能力得到明显加强。
- 刘军邱晓红汪志勇杨鹏
- 关键词:BP网络传递函数泛化
- 基于AHM的认知诊断分类研究
- 2009年
- 深入研究AHM和人工神经网络的基础上提出了一种新的认知诊断分类方法——Hamming网分类方法。将Hamming网应用到AHM模式分类中,对0—1评分的测验进行实验,并与AHM中的传统分类方法A,B进行比较。实验结果表明,利用Hamming网分类方法分类效果明显占优。
- 曹慧媛刘军
- 关键词:HAMMING网络
- 基于相似性最优模块神经网络的股票预测被引量:1
- 2008年
- 该文提出一种最优模块化神经网络的模型.BP网络存在学习后面的样本而"遗忘"前面的样本,以及训练速度很慢的问题,但具有泛化能力强的优点,同时网络的结构不会随数据增加而变的庞大.而RBF网络随着输入维数增加其隐藏层的神经元个数呈指数增加,并且其泛化能力不强,但RBF网络具有训练速度比较快,逼近效果好等优点.于是提出最优模块化神经网络的模型,综合BP和RBF网络的优点.使学习样本能力,运算速度,网络规模得到改善.该模型适合于较多的样本训练.
- 刘军邱晓红汪志勇杨鹏
- 关键词:模块化神经网络股票预测