一种径向基函数神经网络的参数求解方法
为了求解径向基函数神经网络的权值,首先分析了传统基于训练误差的方法,发现该方法容易造成数据过拟合,原因在于训练误差是风险函数的下偏估计;因此,文中提出采用缺一交叉验证得分代替训练误差,来实现无偏估计风险函数;实验对摩托数据与玻璃数据进行拟合,证实了基于缺一交叉验证的方法优于传统基于训练误差的方法,且所得到的径向基函数网络能够较光滑地拟合数据,不会造成过拟合.
径向基函数、神经网络、训练误差、缺一交叉验证
18
TP183(自动化基础理论)
国家自然科学基金60872075;国家高技术发展计划2008AA01Z227
2011-06-01(万方平台首次上网日期,不代表论文的发表时间)
共3页
2812-2814