• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Review on Methods to Fix Number of Hidden Neurons in Neural Networks
【24h】

Review on Methods to Fix Number of Hidden Neurons in Neural Networks

机译：固定神经网络中隐藏神经元数量的方法综述

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper reviews methods to fix a number of hidden neurons in neural networks for the past 20 years. And it also proposes a new method to fix the hidden neurons in Elman networks for wind speed prediction in renewable energy systems. The random selection of a number of hidden neurons might cause either overfitting or underfitting problems. This paper proposes the solution of these problems. To fix hidden neurons, 101 various criteria are tested based on the statistical errors. The results show that proposed model improves the accuracy and minimal error. The perfect design of the neural network based on the selection criteria is substantiated using convergence theorem. To verify the effectiveness of the model, simulations were conducted on real-time wind data. The experimental results show that with minimum errors the proposed approach can be used for wind speed prediction. The survey has been made for the fixation of hidden neurons in neural networks. The proposed model is simple, with minimal error, and efficient for fixation of hidden neurons in Elman networks.
机译：本文回顾了过去20年中修复神经网络中许多隐藏神经元的方法。并且还提出了一种新的方法来固定Elman网络中的​​隐藏神经元，以预测可再生能源系统中的风速。大量隐藏神经元的随机选择可能会导致过度拟合或拟合不足的问题。本文提出了解决这些问题的方法。为了修复隐藏的神经元，基于统计误差测试了101种各种标准。结果表明，提出的模型提高了精度和最小误差。使用收敛定理证明了基于选择准则的神经网络的完美设计。为了验证该模型的有效性，对实时风数据进行了仿真。实验结果表明，所提出的方法具有最小的误差，可用于风速预测。已经对神经网络中隐藏的神经元的固定进行了调查。所提出的模型简单，误差最小，并且对于固定Elman网络中的​​隐藏神经元有效。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2013年第7期|425740.1-425740.11|共11页
  • 作者

    K. Gnana Sheela; S. N. Deepa;

  • 作者单位

    Anna University, Regional Centre, Coimbatore 641047, India;

    Anna University, Regional Centre, Coimbatore 641047, India;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号