巴纳巴斯·Póczos;安德拉斯·Lőrincz 通过贝叶斯询问技术识别递归神经网络。 (英语) Zbl 1235.68181号 J.马赫。学习。物件。 10, 515-554 (2009). 摘要:我们介绍了一种新的在线贝叶斯方法,用于识别一类噪声递归神经网络(RNN)。根据过去的经验,我们提出了用于刺激选择的贝叶斯主动学习技术。特别地,我们将未知参数视为随机变量,并使用A最优性和D最优性原则来选择最佳刺激。我们推导了近视成本函数,以便在每个时间步长最大化与网络参数相关的信息增益。我们还导出了扰动RNN动力系统的加性噪声的A-最优和D-最优估计。在这里,我们研究了近视和非近视估计,并研究了同时估计系统参数和噪声的问题。利用共轭先验知识,我们的推导仍然是无近似的,并且为在线学习参数提供了简单的更新规则。我们的方法对一些选定的案例进行了验证,包括受控独立成分分析任务。 引用于1文件 MSC公司: 68T05年 人工智能中的学习和自适应系统 关键词:主动学习;系统标识;在线贝叶斯学习;A-最优性;D-最优性;infomax控件;优化设计 PDF格式BibTeX公司 XML格式引用 \textit{B.Póczos}和\textit{A.Lőrincz},J.Mach。学习。第10号决议,515--554(2009年;Zbl 1235.68181) 全文: 链接