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