华南理工大学学报(自然科学版)

作者：金龙, 陈秀芳, 陈良铭, 等

单位：1． 兰州大学 信息科学与工程学院，甘肃 兰州 730000; 2． 哈尔滨工程大学 水声工程学院，黑龙江 哈尔滨 150000

关键词：海洋矿物,分类,单输出切比雪夫多项式神经网络,权重,准确率

基金：国家重点研发计划政府间科技合作项目 ( 2017YFE0118900) ; 国家自然科学基金资助项目 ( 61703189，11561029) ; 甘肃省自然科学基金重点资助项目 ( 18JＲ3ＲA264) ; 青海省自然科学基金团体项目 ( 2020-ZJ-903) ; 水声技术重点实验室开放基金资助项目 ( SSKF2018005) ; 中央高校基础科研基金资助项目 ( lzujbky-2019-89)

针对海洋矿物分类问题，提出了改进后的单输出切比雪夫多项式神经网络( single-output Chebyshev-polynomial neural network with general solution，SOCPNN-G) 。该模型利用伪逆的通解来求参数，扩大解空间，能获得泛化性能更加优良的权重。在该模型中，子集方法用于确定神经元的初始数量和获得交叉验证的最佳重数。最后将改进的SOCPNN-G 模型用于海洋矿物数据集中进行实验，结果表明，该模型训练准确率和测试准确率分别达到 90. 96% 和 83. 33% ，且对计算性能要求较低。这些优越性表明该模型在海洋矿物的实际应用中具有很好的前景。

来源：2020年第12期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第12期