具有最优学习率的RBF神经网络及其应用

摘要：

传统固定学习率的RBF神经网络在金融时间序列预测方面已经有比较成功的应用,但网络学习率的选择问题却给传统RBF神经网络的使用带来了不便.利用梯度下降法及优化方法推导出了RBF神经网络的动态最优学习率并将其应用于网络学习算法,具有最优学习率的RBF神经网络能够在保证网络稳定学习的同时兼顾网络的收敛速度.为了检验具有动态最优学习率的RBF神经网络的预测效果,对沪深300指数波动率进行了预测实验.实验结果表明,具有动态最优学习率的RBF神经网络比传统的固定学习率的RBF神经网络有着更快的收敛速度,同时也避免了人为选定学习率的不便.

关键词：RBF神经网络、最优学习率、梯度下降法

所属期刊栏目：15

分类号：F830.91(金融、银行)

资助基金：国家杰出青年科学基金资助项目71025005;国家自然科学基金重大研究计划培育项目90924024

在线出版日期：2012-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：50-57