10.3321/j.issn:1001-506X.2006.01.030
基于三阶段RBFNN学习算法的复杂样本分类研究
以提高径向基函数神经网络(radial basis function neural network,RBFNN)的分类能力为出发点,把衰减半径聚类的思想与误差平方和准则结合起来,提出了RBFNN三阶段学习算法.该算法先利用动态衰减半径聚类确定隐节点的初始结构,再由误差平方和准则进行中心点微调,并用类内类间距确定径基宽度,最后采用伪逆法训练隐层与输出层间的连接权重.给出了算法的具体步骤,并通过Iris和WINES数据集的仿真实验,证明该算法确实具有较强的分类能力.
径向基函数神经网络、分类、衰减半径聚类、误差平方和
28
TP183(自动化基础理论)
中国科学院资助项目70171002
2006-03-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
114-118