一种新的基于Agent的神经网络隐层节点数的优化算法
【出 处】:《
计算机工程与科学
》
CSCD
2010年第32卷第5期 30-33页,共4页
【作 者】:
高鹏毅
[1] ;
陈传波
[1] ;
秦升
[2] ;
胡迎松
[1]
【摘 要】
本文提出了一种新的基于Agent的神经网络隐层结构的优化算法(OHA)。该方法包括两个部分,分别由RLAgent和NNAgent合作完成。RLAgent根据强化学习算法找到一个比当前节点数更优的解,并反馈给NNAgent。NNAgent据此构建相应的网络,并采用分层训练的算法对该网络进行优化,训练结果再发给RLAgent。在多次循环后,OHA算法就可以找到一个训练误差最小的全局最优解(权值及隐层节点数)。本文讨论了有关的算法、测试和结果分析。Iris数据集和危险评估数据集的测试结果表明,算法避免了盲目搜索造成的计算开销,明显改善了优化性能。
相关热词搜索: