陶特维达斯，锡巴斯;弗朗索瓦斯·福格曼·苏利埃;帕特里克·加里纳里;萨鲁纳斯州劳迪斯 用神经网络进行变量选择。 （英语） Zbl 0866.62012号 神经计算 12，编号2-3223-248（1996）. 总结：我们提出了三种不同的基于神经网络的变量选择方法。OCD（最优细胞损伤）是一种修剪方法，它评估变量的有用性并修剪最不有用的变量。正则化理论提出通过在用于训练神经网络的成本函数中添加一个项来约束估计量。在贝叶斯框架中，这个附加项可以解释为权重分布之前的对数。我们建议使用两个先验值（高斯和高斯混合），并表明这种正则化方法允许选择有效的变量子集。将我们的方法与传统的统计选择程序进行了比较，结果表明，我们的方法在这方面有显著改进。 引用于4文件 MSC公司： 2015年1月62日 贝叶斯推断 68T05型 人工智能中的学习和自适应系统 62F99型 参数化推理 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62F07型 统计排名和选择程序 关键词：最佳细胞损伤;降维;变量选择;修剪方法;神经网络;高斯混合;正则化方法 PDF格式BibTeX公司 XML格式引用 \textit{T.Cibas}等人，《神经计算》12，第2--3223--248号（1996；Zbl 0866.62012） 全文： 内政部 链接