梯度算法下RBF网的参数变化动态

• 作者: 宋文忠 李奇 魏海坤
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 梯度算法 RBF网 学习动态 神经网络 泛化能力
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 论文
• 页码范围: 356-360,365
• 页数: 6页
• 分类号: TP183
• 字数: 6422字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8152.2007.03.005

摘要

分析神经网络学习过程中各参数的变化动态,对理解网络的动力学行为,改进网络的结构和性能等具有积极意义.本文讨论了用梯度算法优化误差平方和损失函数时RBF网隐节点参数的变化动态,即算法收敛后各隐节点参数的可能取值.主要结论包括:如果算法收敛后损失函数不为零,则各隐节点将位于样本输入的加权聚类中心;如果损失函数为零,则网络中的冗余隐节点将出现萎缩、衰减、外移或重合现象.进一步的试验发现,对结构过大的RBF网,冗余隐节点的萎缩、外移、衰减和重合是频繁出现的现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李奇	东南大学自动化学院	113	1206	18.0	29.0
2	宋文忠	东南大学自动化学院	57	1205	18.0	34.0
3	魏海坤	东南大学自动化学院	76	824	12.0	27.0