一种神经网络快速修剪算法

通过分析非线性函数各输入参数对函数值的影响，发现当输入参数间无相互作用时，表征其灵敏度的傅立叶振幅主要集中在基频上。基于该发现，提出一种基于扩展傅立叶振幅灵敏度方法的神经网络隐含层神经元快速修剪算法。其实质是通过计算神经网络隐含层各神经元输出的指定基频上的傅立叶振幅，求取隐含层神经元对神经网络输出的灵敏度。根据各神经元的灵敏度，按照一定的准则削减冗余神经元，获得紧凑的神经网络结构。将提出的神经网络结构修剪算法用于污水水质参数化学需氧量(COD)的软测量过程中，实验结果与扩展傅里叶振幅灵敏度算法相比，在修剪效果相同的情况下，其运行时间得到明显减小。