摘要
在传统的径向基神经网络框架的基础上,通过引入中心超平面的概念,提出了超平面中心的径向基函数神经网络。在此网络中以点到中心超平面的距离代替传统的径向基神经网络中点到点的距离,其优势在于中心超平面作为数据中心包含了更多原始数据之间的信息。以函数逼近和数据分类的实验为例,证明了超平面中心的径向基神经网络相对于传统的网络有一定的优势。
A new Radial Basis Function(RBF) neural network learning algorithm named center-planed RBFN is presented by introducing plane into the network.In this neural network,the entity of the data center is changed from being a point to that of being a plane to compute the distance between data and data center.The proposed method has its superiority that more information between the data is contained in the center-plane.Experimental results show that the center-planed RBF neural network can achieve better results than traditional RBF neural network in the function approximation and classification.
出处
《计算机工程与应用》
CSCD
北大核心
2011年第11期207-210,222,共5页
Computer Engineering and Applications
基金
国家自然科学基金No.60704047
国家自然科学基金重大研究计划(No.9082002)
国家高技术研究发展计划(863)(No.2007AA1Z158
No.2006AA10Z313)~~
关键词
中心超平面
径向基函数
函数逼近
分类
center-plane
Radial Basis Function(RBF)
function approximation
classification