研究RBF神经网络的一种具有对训练数据集中离群点的鲁棒性的快速学习算法。使用相减聚类(Subtractive Clustering,SC)法选择RBF网络隐结点的中心,以定标鲁棒损失函数(Scaled Robust Loss Function,SRLF)为目标函数,采用梯度下降法调整...研究RBF神经网络的一种具有对训练数据集中离群点的鲁棒性的快速学习算法。使用相减聚类(Subtractive Clustering,SC)法选择RBF网络隐结点的中心,以定标鲁棒损失函数(Scaled Robust Loss Function,SRLF)为目标函数,采用梯度下降法调整隐结点的宽度和网络权值,从而使RBF网络的学习过程不受离群点的影响,并且能够快速收敛。实验结果表明了RBF神经网络的这一学习算法的优越性。展开更多
文摘研究RBF神经网络的一种具有对训练数据集中离群点的鲁棒性的快速学习算法。使用相减聚类(Subtractive Clustering,SC)法选择RBF网络隐结点的中心,以定标鲁棒损失函数(Scaled Robust Loss Function,SRLF)为目标函数,采用梯度下降法调整隐结点的宽度和网络权值,从而使RBF网络的学习过程不受离群点的影响,并且能够快速收敛。实验结果表明了RBF神经网络的这一学习算法的优越性。