期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
一种具有迁移学习能力的RBF-NN算法及其应用 被引量:1
1
作者 许敏 史荧中 +1 位作者 葛洪伟 黄能耿 《智能系统学报》 CSCD 北大核心 2018年第6期959-966,共8页
经典的径向基人工神经网络学习能逼近任意函数,因而应用广泛。但其存在的一个重要缺陷是,在已标签样本过少、不能反映数据集整体分布情况下,容易产生过拟合现象,从而导致泛化性能严重下降。针对上述问题,探讨具有迁移学习能力的径向基... 经典的径向基人工神经网络学习能逼近任意函数,因而应用广泛。但其存在的一个重要缺陷是,在已标签样本过少、不能反映数据集整体分布情况下,容易产生过拟合现象,从而导致泛化性能严重下降。针对上述问题,探讨具有迁移学习能力的径向基人工神经网络学习算法,该算法在引入不敏感损失函数和结构风险项的同时,学习源领域径向基函数的中心向量及核宽和源领域模型参数,通过充分学习历史源领域知识来弥补当前领域因已标签样本少而导致泛化能力下降的不足。将该算法应用于人造数据集和真实发酵数据集进行验证,和传统的RBF神经网络算法相比,所提算法在已标签样本少而存在数据缺失的场景下,具有更好的适应性。 展开更多
关键词 径向函数神经网络 迁移学习 径向函数中心向量 ε不敏感损失函数 信息缺失
下载PDF
粒子群优化径向基函数网络的语音转换 被引量:1
2
作者 董添辉 张玲华 《计算机技术与发展》 2017年第5期64-68,共5页
径向基函数神经网络具有结构简单和学习速度快等特点,因此常被用作语音转换的模型。隐层核函数的中心是影响径向基函数神经网络性能的重要参数,而传统的K-均值聚类算法受初值影响大,全局优化的效果不佳。所以,选择合适的优化算法来调整... 径向基函数神经网络具有结构简单和学习速度快等特点,因此常被用作语音转换的模型。隐层核函数的中心是影响径向基函数神经网络性能的重要参数,而传统的K-均值聚类算法受初值影响大,全局优化的效果不佳。所以,选择合适的优化算法来调整RBF网络核函数的中心参数,能改善整个网络的性能,从而提升语音转换的效果。而粒子群算法是一种基于迭代的优化算法,具有容易实现、算法参数少、收敛快和突出的全局寻优能力等特点。提出了一种改进的粒子群算法,优化了径向基函数的中心以提高网络性能,便于更准确地获得说话人与目标人之间谱包络的映射关系。实验结果表明,提出的方法能够有效提高神经网络的性能,使转换后的声音更接近于目标声音。 展开更多
关键词 语音转换 径向函数中心 改进的粒子群算法 径向函数神经网络
下载PDF
基于径向基函数网络的改进算法的数据分类方法及其应用
3
作者 向小东 《中国管理科学》 CSSCI 2005年第z1期136-137,共2页
径向基函数网络是数据挖掘领域的一种重要挖掘工具,受到了特别的重视.本文通过考虑输入--输出扩展矢量的方式改进了应用广泛的HCM挖掘算法.实例表明改进的HCM算法可以获得更好的挖掘效果,提升了此挖掘工具的价值.
关键词 径向函数网络 径向函数中心 扩展矢量 改进的HCM算法 分类
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部