前提:一个基于模型的分类器,输出为M(p),p为离散参数。如果可以确定M(p)能够起到分类作用,但无法确定参数p,可以使用01神经网络进行二次分类学习。以下全部变量均属于[0,1]。
设新的分类器C输出[0,1],结构如下:
0------->J0---\
M(P1)--->J1----\
M(P2)--->J2-----\
. .-------X-->C
. .------/
M(Pn-1)->Jn-1--/
1------->Jn---/
其中Pi为p的可选参数,Ji为权值,且Sigma(Ji)=1.0,输出为C=Sigma(M(Pi)*Ji)+J0+Jn。反馈方法为:
{Ji=Ji*(1+S), if M(Pi)
{Keep(Sigma(Ji)=1.0)
其中C*为训练结果输入,S为学习速度。
将01分类器C接到模型分类器M后,就能够确定M分类器的参数p了。虽然p参数可以通过改进模型获得,但是这样能够增加模型M的复杂度,同时给论文增加篇幅,呵呵^_^,不好意思咯。
没有评论:
发表评论