无监督Eidos表相盒中脑状态人工神经元网络模型参数优化选取
王旭东
宋茂忠
1.南京航空航天大学信息科学与技术学院,江苏南京,2100162.南京航空航天大学信息科学与技术学院,江苏南京,210016
摘要：本文研究了无监督表相盒中脑状态(Eidos BSB)人工神经元网络模型的参数优化选取问题.通过对模型连接矩阵的特征值进行深入分析,发现网络分类能力取决于有效特征值的平稳性和区别性.提出采用有效特征值均值与其他特征值均值的比,作为参数优化选取的依据,给出了选取最优参数的具体方法.仿真结果表明,经参数优化选取后的Eidos BSB模型与原始Eidos BSB模型相比,能够获得更强的噪声适应能力,更好的分类性能.参数优化后的网络对噪声污染率为100%的输入样本的平均识别概率达94%以上.
关键词：盒中脑无监督表相盒中脑状态参数优化
分类号：TN052(一般性问题)
资助基金：国家自然科学基金(60572108)青年教师基金(Y0618-041)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 373-376 )
英文信息