10.3969/j.issn.1004-9398.2013.02.003
一种双隐层RBF神经网络的算法研究
针对RBF神经网络的结构和学习算法的缺点,提出了一种双隐层RBF神经网络(DRBF)模型,并结合网络结构的动态更新策略对网络结构进行实时更新,以梯度下降法对网络参数进行修正,即确保了网络结构的最简化,提高了网络的逼近精度和泛化能力,同时也加快了网络的训练速度.将本算法和传统RBF神经网络算法应用于非线性逼近和电信企业客户流失分类进行性能比较,实验仿真结果证明了本算法的有效性和高效性.
双隐层RBF、动态更新、梯度下降法、非线性逼近、客户流失
34
TP389.1(计算技术、计算机技术)
2013-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
8-13