一种新颖的径向基函数(RBF)网络学习算法

• 作者: 孙健 申瑞民 韩鹏
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: RBF网络 泛化能力 正则化理论 统计学习理论
• 年，卷（期）: 2003,（11）
• 所属期刊栏目: 短文
• 页码范围: 1562-1567
• 页数: 6页
• 分类号: TP18
• 字数: 6101字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2003.11.021

摘要

以提高RBF网络泛化能力为着眼点,提出了一种新型的网络结构自适应学习算法.该算法采用衰减聚类半径的聚类算法来确定初始的隐层结构,然后通过调整包含样本类别信息的扩展聚类不纯度来修正隐层结构,直至满足所有扩展聚类不纯度均小于等于不纯度均值以及所有扩展聚类方差均不超过方差均值这两个条件.这样就确定了隐层的最终结构.在确定隐层结构之后,采用反向传播算法来训练隐层与输出层之间的连接权重.经双螺旋线问题仿真试验验证,该算法确实具有较强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	申瑞民	上海交通大学计算机科学与工程系	89	1688	22.0	37.0
2	孙健	上海交通大学计算机科学与工程系	97	533	11.0	19.0
3	韩鹏	上海交通大学计算机科学与工程系	10	221	8.0	10.0