輸入空間自優(yōu)化神經網絡的研究及其在車型識別中的應用.pdf

1、神經網絡是基于生理學的仿生模型，近年來，越來越多的應用于各個領域，尤以模式識別最為成功。但絕大多數的神經網絡的訓練過程，是在其拓撲結構不變的前提下，僅對網絡的參數進行優(yōu)化。也有少部分具有網絡結構優(yōu)化思想的網絡，即級聯相關學習結構和網絡剪枝，對輸入空間進行優(yōu)化的神經網絡還未見報道。 本文提出了神經網絡結構自優(yōu)化的新理念，并主要介紹輸入空間自優(yōu)化的概念及輸入空間自優(yōu)化神經網絡的基本思想和基本算法。用Matlab6.5編寫了輸入空間自

2、優(yōu)化神經網絡的程序，并將輸入空間自優(yōu)化神經網絡應用于高速公路的汽車車型的分類中，提高了車型分類的正確率，同時也降低了神經網絡的運算量，解決了實際問題。 與傳統(tǒng)的神經網絡相比，本文的主要貢獻在于：(1)提出了自優(yōu)化神經網絡的概念。1990年A.E.Fahlman和C.Lebiere提出了“級聯相關學習結構”、1990年Y.LeCun等提出了“最佳腦損壞”、1992年B.Hassibi等提出了“最佳腦手術”，神經網絡的隱層節(jié)點和網絡

3、的層次隨著算法自動的調節(jié)，使得神經網絡的輸出達到最小的誤差。實際上，這幾種網絡給出了神經網絡結構自優(yōu)化的思想，本文將具有這種功能的網絡歸納為結構自優(yōu)化神經網絡，簡稱自優(yōu)化神經網絡。 (2)提出了一種新的自優(yōu)化神經網絡，即輸入空間自優(yōu)化神經網絡。它不但能夠優(yōu)化神經網絡的參數，同時也能優(yōu)化輸入空間。在不斷調整神經網絡輸入空間的同時，神經網絡的結構也不斷的變化，使得神經網絡的分類結果達到最優(yōu)化。 (3)本研究將輸入空間自優(yōu)化神