文献类型：期刊文章

作　　者：盛智勇[1] 曾志强[1] 曲洪权[1] 李伟[1]

Sheng Zhiyong;Zeng Zhiqiang;Qu Hongquan;Li Wei(School of Electronic Information Engineering,North China University of Technology,Beijing 100144,China)

机构地区：[1]北方工业大学电子信息工程学院

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61571014,61601006);北京自然科学基金(4172017)

年　　份：2019

卷　　号：56

期　　号：14

起止页码：39-46

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：随机配置网络(SCN)通过引入不等式约束来限制输入权重和偏置的赋值,随着节点数量增加,网络能够逼近任意的数学函数和数据模型。在构建SCN的过程中,由于网络本身性质以及样本数据的不适定性和病态条件等问题会引起网络的过拟合,故提出一种基于Dropout技术的改进型SCN模型(Dropout-SCN)来自适应地约束输出权重分布和大小,以此来提高网络模型的识别精度。光纤数据验证的结果表明:与传统的SCN和L2范数正则化的SCN模型相比,Dropout-SCN模型具有更低的测试误差,有效地减缓了网络过拟合问题,提高了对光纤预警系统(OFPS)中光纤入侵信号的识别准确率。

关 键 词：光通信 随机配置网络  L2正则化  Dropout技术  光纤预警系统  信号处理

分 类 号：TP391]