基于参数优化的RBF神经网络结构设计算法
来源期刊:东北大学学报(自然科学版)2020年第2期
论文作者:翟莹莹 左丽 张恩德
文章页码:176 - 368
关键词:径向基函数;神经网络;K-means++算法;核函数;数据密度估计;
摘 要:针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.
翟莹莹,左丽,张恩德
东北大学计算机科学与工程学院
摘 要:针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.
关键词:径向基函数;神经网络;K-means++算法;核函数;数据密度估计;