一种新的模糊规则动态调整正则项系数的神经网络学习方法
A NOVEL NEURAL NETWORK LEARNING METHOD OF DYNAMICALLY TUNING REGULARIZATION COEFFICIENT ACCORDINT TO FUZZY RULES作者机构：同济大学计算机科学与工程系上海200331 复旦大学电子工程系上海200433
出 版 物：《红外与毫米波学报》 (Journal of Infrared and Millimeter Waves)
年 卷 期：2002年第21卷第3期
页 面：189-194页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 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：国家自然科学基金 (批准号 3 9870 194)资助项目~~
主 题：动态调整 学习方法 神经网络 模糊规则推理 泛化能力 正则化 正则项系数
摘 要：从偏差 方差模型出发 ,提出了一种通过模糊规则推理动态调整正则项系数的新方法 ,并有效地确定了模糊推理规则和隶属度函数 .并将该方法与BP算法和固定正则项系数的方法进行了比较 ,该方法具有精度高、收敛快和泛化能力高等优点 。
维普期刊数据库
同方期刊数据库