针对小样本数据集的鲁棒单隐层前馈网络建模方法

作者：张荣; 邓赵红; 王士同; 蔡及时; 钱鹏江

来源：控制与决策, 2012, (09): 1308-1312+1319.

DOI：10.13195/j.cd.2012.09.30.zhangr.022

• 单隐层前馈神经网络
• ε-不敏感学习
• 结构风险最小化
• 鲁棒性 single hidden layer feed-forward neural network
• ε-insensitive learning
• structural risk minimization
• robustness

单隐层前馈神经网络是应用最广泛的智能建模模型之一,但该模型面对小样本集时传统的学习算法易陷入过拟合,尤其当数据集包含较大噪音时学习模型鲁棒性较差,对噪音很敏感,针对此不足,提出一种针对小样本数据集的鲁棒单隐层前馈神经网络学习算法,所提出的算法由于引入了ε-不敏感学习度量和结构风险项,能有效克服传统学习算法存在的缺陷,显示出较好的鲁棒性,在模拟和真实数据集上的实验亦证实了上述优点。

• 单位
  香港理工大学; 江南大学