神经网络预报模型的过拟合研究
  • 【摘要】

    针对神经网络方法在预报建模中存在的"过拟合"(overfitting)现象和提高泛化性能(generalizationcapability)问题,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法.研究结果表明,这种新的神经网络预报建模方法,通过浓缩预报信息,降维去噪,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验,没有"过拟合"现象,并且与传统的神经网络预报建模方法及逐步... 展开>>针对神经网络方法在预报建模中存在的"过拟合"(overfitting)现象和提高泛化性能(generalizationcapability)问题,提出了采用主成分分析构造神经网络低维学习矩阵的预报建模方法.研究结果表明,这种新的神经网络预报建模方法,通过浓缩预报信息,降维去噪,使得神经网络的预报建模不需要进行适宜隐节点数的最优网络结构试验,没有"过拟合"现象,并且与传统的神经网络预报建模方法及逐步回归预报模型相比泛化能力有显著提高。 收起<<

  • 【作者】

    金龙  况雪源  黄海洪  覃志年  王业宏 

  • 【作者单位】

    广西气象减灾研究所,南宁,530022

  • 【会议名称】

    中国气象学会2004年年会

  • 【会议时间】

    2004-10-25

  • 【会议地点】

    北京

  • 【主办单位】

    中国气象学会

  • 【语种】

    chi

  • 【关键词】

    神经网络  泛化性能  过拟合现象  预报建模  气象预报模型