均匀设计法在RBF神经网络样本优选中的应用

• 作者: 王劭伯 陈新楚 马翔
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 径向基函数 神经网络 均匀设计 样本选择 聚类理论 泛化能力
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 252-255
• 页数: 4页
• 分类号: TP18
• 字数: 2725字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2005.02.021

摘要

鉴于学习样本的选择对神经网络的泛化能力有很大影响,本文提出学习样本的选择应针对被逼近的非线性对象的特性,采用均匀设计法构造样本中心,结合聚类理论对学习样本进行优选.应用结果表明这种方法可以提高神经网络的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王劭伯	福州大学电气工程及自动化学院	31	262	10.0	15.0
2	马翔		1	16	1.0	1.0
3	陈新楚		1	16	1.0	1.0