改进的局部泛化误差模型及其在特征选择中的应用
作者机构：河北省科学院应用数学研究所第二研究室
出 版 物：《中国科技信息》 (China Science and Technology Information)
年 卷 期：2015年第10期
页 面：41-42页
学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 12[管理学] 13[艺术学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：河北省科技支撑计划项目《基于深度学习与故障树的铁路电务设备故障诊断与预警系统(项目编号:14290321D)》的资助
主 题：特征选择 GEM NL 神经网络 范数 计算机网络 样本集 RBF 分类器 数据集 泛化误差
摘 要：神经网络的性能可以通过泛化误差表达。泛化误差越小,则说明该神经网络在未知样本中的预测能力越强。反之,说明该神经网络的预测能力很差。对Wing ***等人提出了局部泛化误差模型进行了改进,并将新模型应用到特征选择当中。试验结果表明,相对于原有模型,该模型具有更贴近实际的对泛化能力进行表达的能力。
同方期刊数据库