模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2008年
2期
148-154
,共7页
椭球基函数神经网络(EBFNN)%混合学习算法%全协方差矩阵%椭球基函数
橢毬基函數神經網絡(EBFNN)%混閤學習算法%全協方差矩陣%橢毬基函數
타구기함수신경망락(EBFNN)%혼합학습산법%전협방차구진%타구기함수
提出一种训练椭球基函数神经网络(EBFNN)的混合学习算法.此算法首先使用期望最大化算法初始化EBFNN中椭球基函数节点的参数,而网络的连接权重和偏差项则用线性最小二乘方法进行初始化.然后用梯度下降法对EBFNN中所有参数同时进行优化.与其他3个相关的模型相比,用混合学习方法训练的梯度下降椭球基函数神经网络(GDEBFNN)能够取得更优的分类性能.此外,与支持向量机对比表明,GDEBFNN取得与之接近的泛化能力.与基于Adaboost的决策树模型比较表明,GDEBFNN可以取得更优的泛化性能.
提齣一種訓練橢毬基函數神經網絡(EBFNN)的混閤學習算法.此算法首先使用期望最大化算法初始化EBFNN中橢毬基函數節點的參數,而網絡的連接權重和偏差項則用線性最小二乘方法進行初始化.然後用梯度下降法對EBFNN中所有參數同時進行優化.與其他3箇相關的模型相比,用混閤學習方法訓練的梯度下降橢毬基函數神經網絡(GDEBFNN)能夠取得更優的分類性能.此外,與支持嚮量機對比錶明,GDEBFNN取得與之接近的汎化能力.與基于Adaboost的決策樹模型比較錶明,GDEBFNN可以取得更優的汎化性能.
제출일충훈련타구기함수신경망락(EBFNN)적혼합학습산법.차산법수선사용기망최대화산법초시화EBFNN중타구기함수절점적삼수,이망락적련접권중화편차항칙용선성최소이승방법진행초시화.연후용제도하강법대EBFNN중소유삼수동시진행우화.여기타3개상관적모형상비,용혼합학습방법훈련적제도하강타구기함수신경망락(GDEBFNN)능구취득경우적분류성능.차외,여지지향량궤대비표명,GDEBFNN취득여지접근적범화능력.여기우Adaboost적결책수모형비교표명,GDEBFNN가이취득경우적범화성능.
