| 神经网络稳定性的交叉验证模型 |
| |
| 引用本文： | 邱龙金,贺昌政.神经网络稳定性的交叉验证模型[J].计算机工程与应用,2010,46(34):43-45. |
| |
| 作者姓名： | 邱龙金 贺昌政 |
| |
| 作者单位： | 1. 四川大学计算机学院,成都,610065
2. 四川大学工商管理学院,成都,610065 |
| |
| 摘 要： | 根据Skutin提出的交叉验证理论，针对神经网络学习算法提出了神经网络稳定性的交叉验证模型，并选择4种应用广泛、具有代表性的神经网络作为研究对象，通过随机数据集和UCI数据集上的数据实验结果得出了BP、RBF、GRNN、ELM等4种神经网络的稳定性排序，并用统计检验方法对排序结果进行了检验。
|
| 关 键 词： | 神经网络 稳定性 交叉验证 统计检验 |
| 收稿时间： | 2010-3-12 |
| 修稿时间： | 2010-6-17
|
Cross validation model for neural network stability |
| |
| QIU Long-jin,HE Chang-zheng.Cross validation model for neural network stability[J].Computer Engineering and Applications,2010,46(34):43-45. |
| |
| Authors: | QIU Long-jin HE Chang-zheng |
| |
| Affiliation: | 1.College of Computer Science,Sichuan University,Chengdu 610065,China 2.College of Business Administration, Sichuan University,Chengdu 610065,China) |
| |
| Abstract: | According to cross-validation theory by Skutin,the cross-validation model of neural network stability is proposed. Four wildly used and representative neural networks are adopted as the subjects investigated and retrieved the rank of the stabilities of BP, RBF, GRNN, ELM, using the experiment results based on the random and UCI data sets.Finally, and the ranking is tested by the statistical method. |
| |
| Keywords: | neural network stability cross-validation statistical test |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|
