- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种径向基函数神经网络的参数求解方法.pdf
文章编号:1671—4598(2010)12—2812一03中图分类号:TPl83 文献标识码:A
一种径向基函数神经网络的参数求解方法
张煜东1’2,朱 庆1,王水花1’2,吴乐南1
(1.东南大学信息科学与工程学院,南京江苏210096;
2.哥仑比亚大学精神病学系脑成像实验室,纽约纽约州 10032)
摘要:为了求解径向基函数神经网络的权值,首先分析了传统基于训练误差的方法,发现该方法容易造成数据过拟合,原因在于训
练误差是风险函数的下偏估计;因此,文中提出采用缺一交叉验证得分代替训练误差,来实现无偏估计风险函数;实验对摩托数据与玻
璃数据进行拟合,证实了基于缺一交叉验证的方法优于传统基于训练误差的方法,且所得到的径向基函数网络能够较光滑地拟合数据,
不会造成过拟合。
关键词:径向基函数;神经网络;训练误差;缺一交叉验证
AMethodforParameterEstimationofRBFNeuralNetworks
Shuihual,WuLenanl
ZhangYudon91”,ZhuQin91,Wang
(1.SchoolofInformation
ScienceEngineering,SoutheastUniversity,Nanjing210096,China;
2.Brain of York,NY10032,USA)
imagingLab.,DepartmentPsychology,ColumbiaUniversity,New
orderto the ofradialbasis first the methodbased
Abstract:Indesignparameters function(RBF)neuralnetwork,weanalysistraditional
on errorandfindthatitwillleadtooverfitthe whichthereasonliesinthe asub—estimatorof
training data,of factthatthe erroris
training
scoreis
riskfunction.Therefore。theleave—one—outcrossvalidationutilizedtotake ofthe errortorealizetheunbiasedesti—
place training
mateoftherisk ofmotordataand datademonstratethatihemethodbasedonleave—one—outcrossvalidation
function.Experimentsglass
is totraditionalonebasedon error,andtheRBFneuralnetworkobtainedourmethodcanfitthedatamore and
superior training by smoothly
without
overfitting.
radialbasis crossvalidation
Ke
文档评论(0)