基于数据噪音约束的受限最优建模方法 |
| |
引用本文: | 宋彦坡,彭小奇. 基于数据噪音约束的受限最优建模方法[J]. 系统仿真学报, 2009, 21(19) |
| |
作者姓名: | 宋彦坡 彭小奇 |
| |
作者单位: | 中南大学信息科学与工程学院,长沙,410083;中南大学能源科学与工程学院,长沙,410083 |
| |
基金项目: | 国家自然科学基金重点项目,湖南省自然科学基金 |
| |
摘 要: | 基于经验模型可能最优效果受数据质量限制的事实,提出了受限最优模型的概念,定量分析了噪音强度、样本规模时受限最优模型效果的影响.提出了利用受限最优模型期望效果进行优化建模思想,基于该思想,提出了一种基于噪音信息指导的神经网络优化建模方法,仿真试验表明,该建模方法切实可行,效果明显优于传统方法.为了客观地评价模型效果,还提出了一种新的模型评估指标--误差平均功率,分析了它和常用的模型评估指标--误差均方之间的关系,指出了其应用意义.
|
关 键 词: | 受限最优模型 模型评估 神经网络 结构自寻优 |
Restricted Optimal Modeling Method Based on Data Noise |
| |
Abstract: | |
| |
Keywords: | restricted optimal model model evaluation neural network structure self-optimization |
本文献已被 万方数据 等数据库收录! |
|