| 融入先验知识的贝叶斯神经网络分类器 |
| |
| 引用本文： | 唐云,鲍新毅.融入先验知识的贝叶斯神经网络分类器[J].物探化探计算技术,2003,25(1):83-87. |
| |
| 作者姓名： | 唐云 鲍新毅 |
| |
| 作者单位： | 1. 中国石化新星公司,西南分公司,第二物探大队,四川,德阳,618000
2. 成都理工大学,成都,610059 |
| |
| 摘 要： | 提高神经网络模型推广性的关键是控制模型的复杂度，给出了一种基于贝叶斯推理的神经网络方法，它能自然地融入关于模型的先验知识，与观察到的数据样本相综合来控制神经网络模型中不同部分的复杂度。使用马尔可夫链蒙特卡罗模拟可获得模型参数的后验分布，预测分类是许多个以各自后验分布为权的马尔可夫链上的模型样本的平均。在二个实际分类问题应用中与常规神经网络方法进行了对比分析。
|
| 关 键 词： | 先验知识 蒙特卡罗模拟 神经网络方法 贝叶斯神经网络分类器 |
| 文章编号： | 1001-1749(2003)01-0083-05 |
| 修稿时间： | 2002年8月27日 |
BAYESIAN NEURAL NETWORK CLASSIFIER WITH PRIOR KNOWLEDGE |
| |
| Abstract: | |
| |
| Keywords: | neural network classification problem bayesian data analysis markov chain monte carlo modelling |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
