10.3969/j.issn.1001-8972.2015.09.018
一种基于AutoEncoder的RBF神经网络训练算法
RBF神经网络中心宽度等参数确定的是否合理将直接影响到RBF网络的学习性能。通过有监督学习的方法来确定RBF神经网络的参数是最一般化的方法。研究表明,参数的初始化问题是该类方法的关键所在。为此,提出了一种利用AutoEncoder初始化RBF神经网络各个参数的新型训练算法。实验仿真表明,与传统RBF神经网络训练算法相比,该新型算法具有更高的训练精度与更强的泛化能力。
本文章受河北省科技支撑计划项目《基于深度学习与故障树的铁路电务设备故障诊断与预警系统项目编号14290321D》的资助
2015-06-02(万方平台首次上网日期,不代表论文的发表时间)
共2页
59-60