论文部分内容阅读
敏感性用于度量网络输入或网络参数的扰动对网络产生的影响。敏感性分析是神经网络设计的一个基础课题,它对于指导网络设计(如网络结构的裁剪和参数的挑选等等),增强网络抗干扰能力、度量网络性能(如容错和泛化能力)都有很大的意义。因而,神经网络的敏感性分析一直是神经网络研究的热点之一。本文首先介绍了敏感性分析的相关知识和WingW.Y. Ng的局部泛化误差模型,并给出此模型理论推导中的不足之处。在此基础上,本文结合正则化理论将敏感性用于径向基函数神经网络(RBF神经网络)的训练过程,推导出一种基于敏感性的正则RBF神经网络,并将这种基于敏感性的正则RBF神经网络应用到RBF神经网络的冗余特征删除中。实验结果表明,在网络的冗余特征删除的过程中,在不降低网络精度的前提下,本文提出的基于敏感性的正则RBF神经网络能更有效的删除网络的冗余特征。