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

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

所属期刊栏目：34

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金90820002,60903100,61170122;江苏省自然科学基金BK2009067资助课题

在线出版日期：2012-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1414-1419