基於敏感性的前向神經網路學習機制研究

《基於敏感性的前向神經網路學習機制研究》是依託河海大學，由曾曉勤擔任項目負責人的面上項目。

基本介紹

• 中文名：基於敏感性的前向神經網路學習機制研究
• 項目類別：面上項目
• 項目負責人：曾曉勤
• 依託單位：河海大學

項目摘要

本項目的研究內容是以前向神經網路敏感性為理論和技術工具從一個新的角度來探索前向神經網路基於參數調整的學習機理，並以此建立性能更加高效、功能更加齊全的前向神經網路的學習機制。研究目的是克服和改善現有的前向神經網路學習算法表現出的諸如學習速度慢、學習成功率低等性能問題和存在的諸如缺乏自動最佳化網路結構、缺乏主動提升網路泛化能力等功能缺陷，力求設計出性能高、功能完善、方便使用的前向神經網路學習算法。研究意義在於它將為與提高神經網路學習性能和完善神經網路學習功能有關的研究從理論和技術上開闢一條新的探索途徑，促進前向神經網路的學習機制有一個新的發展，使前向神經網路更加實用，從而在國民經濟和社會發展中發揮更大作用。

結題摘要

本項目研究目標是以網路敏感性為理論基礎和技術工具來改進和完善前向人工神經網路學習機制的性能和功能。研究內容主要包括：打造合適的網路敏感性尺度,提高網路學習算法的學習和泛化性能,增加網路結構自適應調整和多個網路集成的功能。網路敏感性方面,針對學習算法的需求,對多層感知機網路、自適應線性神經元網路、以及徑向基函式網路分別進行了深入的研究，提出了更加適用的敏感性計算方法。網路學習算法性能改進方面，針對提高多層感知機網路集成學習的泛化性能，提出了新的基於敏感性尺度的網路差異性度量方法；針對改進自適應線性神經元網路學習精度和效率，提出了新的自適應線性神經元網路學習規則；另外，還研究了脈衝神經網路對時序的學習，提出了分別適用於神經元和網路的學習算法。網路學習算法功能完善方面，提出了在多層感知機網路學習過程中融入多個差異網路生成和集成的功能，在自適應線性神經元網路學習算法中融入網路結構自適應調整的功能，以及在徑向基函式網路學習過程中融入屬性裁減（降維）的功能。經過三年不懈的努力，我們在項目研究中取得了一批國際國內先進的創新性成果。撰寫的學術論文已在多個國際國內著名的學術期刊和相關的國際學術會議上發表，編程實現的自適應線性神經元網路學習程式（版本V1.0）獲得了國家著作權局頒發的軟體著作權證書,參加項目的博士和碩士研究生都受到了很好的培養。總之, 項目組完成了預定的研究指標。