湖南大学学报（自然科学版）
湖南大學學報（自然科學版）
호남대학학보（자연과학판）
JOURNAL OF HUNAN UNIVERSITY(NATURAL SCIENCES EDITION)
2005年
3期
88-92
,共5页
袁小芳%王耀南%孙炜%杨辉前
袁小芳%王耀南%孫煒%楊輝前
원소방%왕요남%손위%양휘전
机器学习%支持向量机%神经网络%BP算法
機器學習%支持嚮量機%神經網絡%BP算法
궤기학습%지지향량궤%신경망락%BP산법
基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法.算法分为2步:首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数.混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点.仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良.
基于支持嚮量機與徑嚮基(RBF)神經網絡在結構上的相似性,提齣瞭一種用于RBF網絡的支持嚮量機與BP的混閤學習算法.算法分為2步:首先採用序貫最小優化算法學習訓練支持嚮量機,得到RBF網絡較優的初始結構和參數;隨後由BP算法調整優化RBF網絡參數.混閤學習算法結閤瞭支持嚮量機小樣本學習、學習訓練快捷以及BP算法在線脩改網絡參數的特點.倣真研究錶明,混閤學習算法學習效率高,網絡性能優良,應用于函數逼近時效果優良.
기우지지향량궤여경향기(RBF)신경망락재결구상적상사성,제출료일충용우RBF망락적지지향량궤여BP적혼합학습산법.산법분위2보:수선채용서관최소우화산법학습훈련지지향량궤,득도RBF망락교우적초시결구화삼수;수후유BP산법조정우화RBF망락삼수.혼합학습산법결합료지지향량궤소양본학습、학습훈련쾌첩이급BP산법재선수개망락삼수적특점.방진연구표명,혼합학습산법학습효솔고,망락성능우량,응용우함수핍근시효과우량.
