计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2007年
12期
2916-2918
,共3页
泛化能力%神经网络%径基函数%模式聚类
汎化能力%神經網絡%徑基函數%模式聚類
범화능력%신경망락%경기함수%모식취류
为提高网络的泛化能力,研究了单层RBF神经网络和LBF网络组成的RBF-LBF串联神经网络,并提出了一种基于模式聚类的RBF-LBF串联神经网络的学习算法.该算法分别对单层RBF网络和LBF网络的输入进行模式聚类,以确定网络的初始结构,然后通过调整错分样本的类别,使之部分重叠或合并核函数.经双螺旋线问题仿真实验证明,该算法确具有很好的泛化能力且只需较短的训练时间.
為提高網絡的汎化能力,研究瞭單層RBF神經網絡和LBF網絡組成的RBF-LBF串聯神經網絡,併提齣瞭一種基于模式聚類的RBF-LBF串聯神經網絡的學習算法.該算法分彆對單層RBF網絡和LBF網絡的輸入進行模式聚類,以確定網絡的初始結構,然後通過調整錯分樣本的類彆,使之部分重疊或閤併覈函數.經雙螺鏇線問題倣真實驗證明,該算法確具有很好的汎化能力且隻需較短的訓練時間.
위제고망락적범화능력,연구료단층RBF신경망락화LBF망락조성적RBF-LBF천련신경망락,병제출료일충기우모식취류적RBF-LBF천련신경망락적학습산법.해산법분별대단층RBF망락화LBF망락적수입진행모식취류,이학정망락적초시결구,연후통과조정착분양본적유별,사지부분중첩혹합병핵함수.경쌍라선선문제방진실험증명,해산법학구유흔호적범화능력차지수교단적훈련시간.
