定義
給定一個假設空間H,一個假設h屬于H,如果存在其他的假設h’屬于H,使得在訓練樣例上h的錯誤率比h’小,但在整個實例分布上h’比h的錯誤率小,那麼就說假設h過度拟合訓練數據。
判斷方法
一個假設在訓練數據上能夠獲得比其他假設更好的拟合,但是在訓練數據外的數據集上卻不能很好地拟合數據,此時認為這個假設出現了過拟合的現象。出現這種現象的主要原因是訓練數據中存在噪音或者訓練數據太少。
應用
僞随機序列在保密通信、擴頻通信、密碼學等領域具有重要作用。本文結合神經網絡和混沌映射的特點,提出了一種基于過拟合BP神經網絡的混沌僞随機序列産生方法。以logistic映射和Henon映射為例,測試結果表明,該方法能克服有限精度效應對混沌系統的影響,改善混沌僞随機序列的性能,為獲得高性能的僞随機序列提供了一種新的思路。