期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于ε-不敏感准则和结构风险的鲁棒径向基函数神经网络学习 被引量:4
1
作者 桑庆兵 邓赵红 +1 位作者 王士同 吴小俊 《电子与信息学报》 EI CSCD 北大核心 2012年第6期1414-1419,共6页
该文提出一种新的基于ε-不敏感准则和结构风险的径向基神经网络(RBF-NN)建模方法。通过引入ε-不敏感准则和结构风险项,把RBF-NN训练转化为线性回归和经典的二次规划优化问题。和传统的基于最小平方误差准则的RBF-NN训练算法相比,提出... 该文提出一种新的基于ε-不敏感准则和结构风险的径向基神经网络(RBF-NN)建模方法。通过引入ε-不敏感准则和结构风险项,把RBF-NN训练转化为线性回归和经典的二次规划优化问题。和传统的基于最小平方误差准则的RBF-NN训练算法相比,提出的新方法对小样本数据集和噪声数据显示出较好的鲁棒性,具有较好的泛化能力。通过模拟和真实数据集进行仿真试验,上述优点得到了有效验证。 展开更多
关键词 径向基函数神经网络建模 ε-不敏感准则 结构风险 鲁棒性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部