基于单调约束的径向基函数神经网络模型

• 作者: 曹雅 王士同 邓赵红
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 径向基函数神经网络 单调约束 数据分类 Tikhonov正则化 分类性能
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 127-133
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.423

摘要

径向基函数(radial basis function,RBF)神经网络是一种高效的前馈式神经网络.它结构简单,具有良好的泛化能力,已经被广泛的应用于数据分类中.但是对于一些特殊的分类场景,如单调数据场景,神经网络还未充分发挥其潜能.针对此,提出单调径向基函数神经网络(monotonic radial basis function neural network,MC-RBF).MC-RBF引入Tikhonov正则化方法确保优化问题解的唯一性与有界性.试验结果表明,在处理具有单调性的数据集时,MC-RBF比原始的RBF神经网络具有更好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体技术学院	528	3424	23.0	37.0
2	邓赵红	江南大学数字媒体技术学院	86	764	11.0	26.0
3	曹雅	江南大学数字媒体技术学院	2	3	1.0	1.0