电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2012年
6期
1414-1419
,共6页
桑庆兵%邓赵红%王士同%吴小俊
桑慶兵%鄧趙紅%王士同%吳小俊
상경병%산조홍%왕사동%오소준
径向基函数神经网络建模%ε-不敏感准则%结构风险%鲁棒性
徑嚮基函數神經網絡建模%ε-不敏感準則%結構風險%魯棒性
경향기함수신경망락건모%ε-불민감준칙%결구풍험%로봉성
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.
該文提齣一種新的基于ε-不敏感準則和結構風險的徑嚮基神經網絡(RBF-NN)建模方法.通過引入ε-不敏感準則和結構風險項,把RBF-NN訓練轉化為線性迴歸和經典的二次規劃優化問題.和傳統的基于最小平方誤差準則的RBF-NN訓練算法相比,提齣的新方法對小樣本數據集和譟聲數據顯示齣較好的魯棒性,具有較好的汎化能力.通過模擬和真實數據集進行倣真試驗,上述優點得到瞭有效驗證.
해문제출일충신적기우ε-불민감준칙화결구풍험적경향기신경망락(RBF-NN)건모방법.통과인입ε-불민감준칙화결구풍험항,파RBF-NN훈련전화위선성회귀화경전적이차규화우화문제.화전통적기우최소평방오차준칙적RBF-NN훈련산법상비,제출적신방법대소양본수거집화조성수거현시출교호적로봉성,구유교호적범화능력.통과모의화진실수거집진행방진시험,상술우점득도료유효험증.
