论文部分内容阅读
提出了一种基于最小平均风险准则的遗传算法优化设计前向神经网络的方法,遗传算法的适应度函数并不采用传统的均方误差准则,而是由平均风险准则所决定.这种方法在计算神经网络输出与期望输出之间误差的同时,还要考虑神经网络对不同类型训练样本产生的这种误差所引起的不同的风险损失.这种方法优化得到的神经网络不仅可以准确地再现训练样本集合的期望输出,对训练样本集合外样本的正确预测能力也有明显的提高.