RBF神经网络非对称损失改进及应用

• 作者: 刘延喜 李忠范
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: Linex损失 RBF神经网络 信用评分
• 年，卷（期）: 2010,（5）
• 页码范围: 488-491
• 分类号: TP301
• 字数: 1963字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2010.05.009

摘要

针对应用RBF(Radial Basis Function)神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI(University of California Irvine)中德国信用评分数据集上的测试结果.实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李忠范	吉林大学数学学院	9	58	4.0	7.0
2	刘延喜	长春大学理学院	17	39	3.0	6.0