| 改进的径向基函数神经网络预测模型 |
| |
| 引用本文： | 梁斌梅,韦琳娜.改进的径向基函数神经网络预测模型[J].计算机仿真,2009,26(11):191-194. |
| |
| 作者姓名： | 梁斌梅 韦琳娜 |
| |
| 作者单位： | 广西大学数学与信息科学学院,广西,南宁,530004 |
| |
| 基金项目： | 广西教育厅科研项目资助 |
| |
| 摘 要： | 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 |
An Improved Prediction Model Based on Radial Basis Function Neural Network |
| |
| Abstract: | |
| |
| Keywords: | Radial basis function neural network Gradient descent method Optimal stopping training method Generalization ability |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
