CAJ | 학술논문

RBF神经网络中心宽度等参数确定的是否合理将直接影响到RBF网络的学习性能。通过有监督学习的方法来确定RBF神经网络的参数是最一般化的方法。研究表明，参数的初始化问题是该类方法的关键所在。为此，提出了一种利用AutoEncoder初始化RBF神经网络各个参数的新型训练算法。实验仿真表明，与传统RBF神经网络训练算法相比，该新型算法具有更高的训练精度与更强的泛化能力。
RBF신경망락중심관도등삼수학정적시부합리장직접영향도RBF망락적학습성능。통과유감독학습적방법래학정RBF신경망락적삼수시최일반화적방법。연구표명，삼수적초시화문제시해류방법적관건소재。위차，제출료일충이용AutoEncoder초시화RBF신경망락각개삼수적신형훈련산법。실험방진표명，여전통RBF신경망락훈련산법상비，해신형산법구유경고적훈련정도여경강적범화능력。