基于灰关联和灵敏度的BP网络隐含层结构优化

来源：计算机测量与控制杂志2014年第9期北京时间：

作者：张晓明,王芳,金玉雪,刘晓洋

摘要：在优化BP神经网络隐含层结构时,采用灰关联剪枝法是每次删除灰关联度小于灰关联阈值的隐节点,该方法学习时间短,但由于灰关联阈值的选取具有一定的主观性,可能会导致误删节点或不能完全删除冗余节点；而采用灵敏度剪枝法是每次只删除灵敏度最小的一个隐节点,故学习时间较长；因此,提出一种基于灰关联-灵敏度的BP神经网络隐含层结构调整算法；首先在网络前期学习过程中,采用灰关联法对隐含层节点进行“粗删”,直到剩余隐节点的灰关联度都大于动态灰关联阈值,然后在网络后期学习过程中,采用灵敏度剪枝法对隐含层节点进行“细删”,直到删除后的学习误差增大,则保留该节点,并结束学习；文章将结构优化后的神经网络应用于风电功率预测,仿真结果表明,该方法在满足学习误差要求的同时,不仅精简了神经网络结构,而且避免了灰关联剪枝法中灰关联阈值精确选取困难所带来的问题。

关键词：隐含层结构优化;灵敏度剪枝法;灰关联度;BP神经网络 [HJ1.6mm]

基金资助：国家自然科学基金(51277127)。