多层感知器神经网络的局部泛化误差模型
LOCALIZED GENERALIZATION ERROR MODEL OF MULTILAYER PERCEPTRON NEURAL NETWORKS
摘 要
Abstract
目 录
第1章 绪论
1.1 课题背景
1.2 本课题研究的目的及意义
1.3 国内外研究历史和现状
1.3.1 多层感知器神经网络的历史与研究现状
1.3.2 泛化误差模型的研究现状
1.4 本课题特色与创新之处
1.5 课题主要研究内容和本文结构
第2章 MLPNN 的原理、参数选择与泛化能力
2.1 MLPNN 的基本原理
2.1.1 MLPNN 的设计思想
2.1.2 MLPNN 结构
2.1.3 MLPNN 的特点和优点
2.1.4 BP 算法的数学原理
2.1.5 BP 算法步骤
2.2 MLPNN 结构与训练参数的选取
2.2.1 输入、输出层节点选定及数据的预处理
2.2.2 MLPNN 结构的确定
2.2.3 训练样本的选取
2.2.4 训练参数的选取
2.2.5 训练MLPNN
2.2.6 合理MLPNN 模型的确定
2.3 MLPNN 的泛化能力
2.3.1 MLPNN 泛化能力的提出
2.3.2 MLPNN 泛化能力的数学根源
2.3.3 MLPNN 泛化能力的逻辑根源
2.4 本章小结
第3章 基于局部泛化误差模型的MLPNN结构选择方法
3.1 引言
3.2 Q 邻域与Q 联合
3.3 局部泛化误差模型
3.4 MLPNN 的随机敏感度测量
3.5 MLPNN 的结构选择
3.5.1 MLPNN 的结构选择的研究现状
3.5.2 Q 值的意义
3.5.3 用RSM*对MLPNN 进行架构选择
3.6 本章小结
第4章 实验结果分析
4.1 引言
4.2 实验环境
4.3 UCI 标准数据库实验
4.3.1 实验建立
4.3.2 实验结果分析
4.4 图像标注实验
4.5 本章小结
结 论
参考文献
攻读硕士学位期间发表的论文
哈尔滨工业大学硕士学位论文原创性声明
哈尔滨工业大学硕士学位论文使用授权书
致 谢
哈尔滨工业大学;