|
|||||
|
|
| RBF网络的鲁棒最小二乘学习算法 | |
| 引用本文： | 谢振平,王士同.RBF网络的鲁棒最小二乘学习算法[J].控制与决策,2010,25(4):502-506. |
| 作者姓名： | 谢振平 王士同 |
| 作者单位： | 1. 江南大学,数字媒体学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122 2. 江南大学,数字媒体学院,江苏,无锡,214122 3. 江南大学,信息工程学院,江苏,无锡,214122 |
| 基金项目： | 国家自然科学基金项目(60704047);;2008年度江苏省科技支撑计划项目(BE2008009);;江南大学自主科研计划项目(JUSRP30909) |
| 摘 要： | 首先,针对径向基函数(RBF)神经网络参数学习中最小二乘法(LS)难以获得较高鲁棒性的问题,假定训练数据扰动上界可知,并基于鲁棒最小二乘原理,提出一种RBF网的最优鲁棒参数学习算法;然后分析指出,扰动上界可依据训练数据集自适应学习估计;最后通过实验分析结果表明了所提算法具有较高的参数鲁棒学习能力.与LS相似,新算法无额外参数,易于实际应用. |
| 关 键 词： | 径向基函数神经网络学习 鲁棒最小二乘 函数逼近 |
| 收稿时间： | 2009/5/5 0:00:00 |
| 修稿时间： | 2009/6/18 0:00:00 |
RBF Network Learning Algorithm Using Robust Least-Squares |
|
| XIE Zhen-ping,LIU Ji-hong,WANG Shi-tong.RBF Network Learning Algorithm Using Robust Least-Squares[J].Control and Decision,2010,25(4):502-506. | |
| Authors: | XIE Zhen-ping LIU Ji-hong WANG Shi-tong |
| Abstract: | How to obtain the high robustness in radius basis function(RBF) learning is a trouble.Therefore,with the supposition that the perturbation of training dataset is bounded,a RBF network learning algorithm is proposed in terms of the robust least-square principle.Moreover,a strategy of estimating perturbation bound is proposed.Experimental analysis shows that the proposed method has effective robust learning performance.Similar to standard least square algorithm,no additional parameters are needed for the prop... |
| Keywords: | RBF neural network learning Robust least-square Function approximation |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |