-
题名改进的径向基函数神经网络预测模型
被引量：10
- 1
-
-
作者
梁斌梅
韦琳娜
-
机构
广西大学数学与信息科学学院
-
出处
《计算机仿真》
CSCD
北大核心
2009年第11期191-194,共4页
-
基金
广西教育厅科研项目资助(2006026)
-
文摘
在提高网络传输性能的研究中,径向基函数神经网络(RBF网络)的基函数个数、中心及宽度的确定一直是难解决的问题,为提高RBF网络泛化能力是当前一个重要的研究问题。分析了传统RBF网络工作原理及不足,提出了改进。采用梯度下降法训练径向基函数中心和宽度,提高网络泛化性能。改进最优停止训练算法,使算法效率提高,且避免过拟合现象,最终使RBF网络获得更优的泛化能力。用改进的RBF网络对iris及wine数据集建立预测模型,进行仿真。结果表明,梯度下降方法训练出更优的基函数参数,改进的最优停止训练方法缩短了训练时间、提高预测精度,网络泛化能力有明显提高。
-
关键词
径向基函数神经网络
梯度下降法
最优停止训练法
泛化
-
Keywords
Radial basis function neural network
Gradient descent method
Optimal stopping training method
Generalization ability
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
