具有鲁棒误差度量的监督神经网络学习与异常值

大多数监督神经网络（NN）通过最小化训练集的均方误差（MSE）进行训练。在存在异常值的情况下，得到的神经网络模型可能与生成数据的基础系统显著不同。采用两种不同的方法研究异常值影响结果模型的机制：影响函数和最大似然。提出均值对数平方误差（MLSE）作为一个易于适应大多数监督学习算法的误差标准。仿真结果表明，所提出的方法对异常值具有鲁棒性。