数学物理学报
數學物理學報
수학물이학보
ACTA MATHEMATICA SCIENTIA
2014年
5期
1049-1060
,共12页
学习理论%RBF神经网络%高斯核%泛化误差
學習理論%RBF神經網絡%高斯覈%汎化誤差
학습이론%RBF신경망락%고사핵%범화오차
Learning theory%RBF neural network%Gaussian kernels%Generalization error
对广义凸损失函数和变高斯核情形下正则化学习算法的泛化性能展开研究,其目标是给出学习算法泛化误差的一个较为满意上界,泛化误差可以利耀正则误差和样本误差来测定,基于高斯核的特性,通过构构建一个径向基函数(简记为RBF)神经网络,给出了正则误差的上界估计,通过投影算子和再生高斯核希尔伯特空间的覆盖数给出样本误差的上界估计.所获结果表明,通过适当选取参数σ和λ,可以提高学习算法的泛化性能.
對廣義凸損失函數和變高斯覈情形下正則化學習算法的汎化性能展開研究,其目標是給齣學習算法汎化誤差的一箇較為滿意上界,汎化誤差可以利耀正則誤差和樣本誤差來測定,基于高斯覈的特性,通過構構建一箇徑嚮基函數(簡記為RBF)神經網絡,給齣瞭正則誤差的上界估計,通過投影算子和再生高斯覈希爾伯特空間的覆蓋數給齣樣本誤差的上界估計.所穫結果錶明,通過適噹選取參數σ和λ,可以提高學習算法的汎化性能.
대엄의철손실함수화변고사핵정형하정칙화학습산법적범화성능전개연구,기목표시급출학습산법범화오차적일개교위만의상계,범화오차가이리요정칙오차화양본오차래측정,기우고사핵적특성,통과구구건일개경향기함수(간기위RBF)신경망락,급출료정칙오차적상계고계,통과투영산자화재생고사핵희이백특공간적복개수급출양본오차적상계고계.소획결과표명,통과괄당선취삼수σ화λ,가이제고학습산법적범화성능.
