摘要:
介绍主成分变换和经规则化调整法进行泛化改进的BP神经网络在森林蓄积量建模估测中的应用,比较普通BP神经网络与泛化改进的BP神经网络对蓄积量预报的差异,分析直接用中心标准化的观测值建立仿真模型和进行主成分变换后再建立模型的效率问题。结果表明:泛化改进的BP神经网络比普通BP神经网络具有更高的预报精度,利用主成分得分作为仿真模型的变量比直接用观测值作变量具有更快的速度,并保证了预报精度。
琚存勇 蔡体久. 用泛化改进的BP神经网络估测森林蓄积量[J]. 林业科学, 2006, 42(12): 59-62.
Ju Cunyong;Cai Tijiu. Forest Volume Estimate Based on Bayesian Regularization Back Propagation Neural Network[J]. Scientia Silvae Sinicae, 2006, 42(12): 59-62.