|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ИНХС РАН |
||
Universal technique for optimization of neural network training parameters: Gasoline near infrared data exampleстатья
Информация о цитировании статьи получена из
Web of Science,
Scopus
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 6 декабря 2018 г.
- Авторы: Balabin R.M., Safieva R.Z., Lomakina E.I.
- Журнал: Neural Computing and Applications
- Том: 18
- Номер: 6
- Год издания: 2009
- Издательство: Springer Verlag
- Местоположение издательства: Germany
- Первая страница: 557
- Последняя страница: 565
- DOI: 10.1007/s00521-008-0213-3
- Аннотация: The universal technique of finding optimum training parameters for multi-layer perceptron-such as percentage of samples in a cross-validation set and quantities of training iterations with various initial values-is offered. This technique is aimed at the searching of optimum values of two complex factors depending on accuracy and convergence of a network, and also on the time of its training. Their conventional names are "cross-validation coefficient" and "training iteration coefficient". Near infrared spectroscopy data for gasoline samples are used to evaluate the efficiency of the method.
- Добавил в систему: Балабин Роман Михайлович