- 1、本文档共6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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 34 卷第 6 期 电 子 与 信 息 学 报 Vol.34No.6
2012 年 6 月 Journal of Electronics Information Technology Jun. 2012
基于ε- 不敏感准则和结构风险的鲁棒径向基函数神经网络学习
桑庆兵*① 邓赵红② 王士同② 吴小俊①
①(江南大学物联网工程学院 无锡 214122)
②(江南大学数字媒体学院 无锡 214122)
摘 要:该文提出一种新的基于 ε- 不敏感准则和结构风险的径向基神经网络(RBF-NN)建模方法。通过引入 ε- 不
敏感准则和结构风险项,把 RBF-NN 训练转化为线性回归和经典的二次规划优化问题。和传统的基于最小平方误
差准则的 RBF-NN 训练算法相比,提出的新方法对小样本数据集和噪声数据显示出较好的鲁棒性,具有较好的泛
化能力。通过模拟和真实数据集进行仿真试验,上述优点得到了有效验证。
关键词:径向基函数神经网络建模; ε- 不敏感准则;结构风险;鲁棒性
中图分类号:TP183 文献标识码: A 文章编号:1009-5896(2012)06-1414-06
DOI: 10.3724/SP.J.1146.2011.01045
ε- Insensitive Criterion and Structure Risk Based
Radius-basis-function Neural-network Modeling
① ② ② ①
Sang Qing-bing Deng Zhao-hong Wang Shi-tong Wu Xiao-jun
①
(School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, China)
②
(School of Digital Media, Jiangnan Unversity, Wuxi 214122, China)
Abstract: An ε - insensitive criterion and structure risk based Radius-Basis-Function Neural-Network (RBF-NN)
modeling method is proposed. By introducing ε - insensitive criterion and the item of structure risk, the RBF-NN
learning is transformed into the linear regression and Quadratic Program (QP) optimization issue. Compared with
the traditional least-square-criterion based RBF-NN training algorithms, the proposed method is much more
robust to noise data and small size of datasets. Through the simulation experiments on the synthetic and real-word
datasets, the above virtues are confirmed.
Key words: Radius-Basis-Function Neural-Netwo
您可能关注的文档
- HMT与HMRF联合的SAR图像小波去斑方法.pdf
- IEEE 802.11无线网络的两步指数退避算法.pdf
- IEEE802.15.4中AES-CCM协议的扩展指令集实现.pdf
- IEEE802.16e系统上行链路初始测距算法研究.pdf
- IMM迭代扩展卡尔曼粒子滤波跟踪算法.pdf
- IMS网络中一种基于组的业务触发算法.pdf
- IR-UWB测距中NLOS状态的鉴别.pdf
- IR-UWB能量检测接收机中基于门限的TOA估计.pdf
- JPEG2000算法中基于有界输入有界输出(BIBO)增益控制的小波变换定点实现技术.pdf
- JPEG2000中DWT-EBCOT联合的高效低存储VLSI结构.pdf
文档评论(0)