神经网络建模方法

摘要

一种神经网络建模方法。属于智能信息处理技术领域。本发明基于结构风险最小化原则，结合合作协作进化算法，同时进行神经网络的网络结构和连接权值学，最终得到网络结构和连接权值之间最优折衷，方法具体包括数据处理、网络学和网络估计预测三个基本步骤。本发明同时进行网络结构和连接权值的学，较好地解决了传统神经网络学中存在的结果与初始值相关、收敛速度慢、易陷于局部最小值、误差函数必须可导、过学等实际问题，提高了网络的学能力和泛化能力。本发明可应用于心脏病智能诊断、工业领域中的故障诊断、软测量等，经济领域的股票价格预测、商品价格预测等。

主权项

1、一种神经网络建模方法，其特征在于，基于结构风险最小化原则，结合合作协作进化算法，同时进行神经网络的网络结构和连接权值学习，最终得到网络结构和连接权值之间最优折衷，方法具体包括数据处理、网络学习和网络估计预测三个基本步骤：数据处理：确定神经网络的输入和输出变量，并基于交叉验证和合作协作进化模型特点，将样本数据随机分割成3个子集：训练样本子集、有效样本子集和测试样本子集，分别用于网络的学习、有效性检验和测试；网络学习：数据处理过程结束后，采用训练样本子集和有效样本子集，利用合作协作进化算法，协作进化网络结构和连接权值，最终得到网络结构和连接权值之间最优折衷；网络估计预测：网络学习过程结束后，采用测试样本子集，测试网络的估计预测准确率，验证网络的泛化能力。