基于局部泛化误差模型的RBFNN的启发式训练方法

研究如何应用吴永贤(W.W.Y.NG)提出的局部泛化误差模型来训练径向基函数神经网络(RBFNN),给出了一种训练RBFNN的启发式训练方法.实验表明,该方法成功解决了模型结果计算时间复杂度问题,同时RBFNN的训练精度也达到令人满意的结果.

局部泛化误差模型的改进及其在特征选择中的应用

利用基于范数的思想,重新推导了WingW.Y.Ng的局部泛化误差模型(L-GEM),并结合实际应用的需要,进一步简化了该模型(L-GEM-WA)。可将该模型应用到特征选择当中。实验表明,在尽可能不降低网络测试精度的前提下,L-GEM-WA模型在特征选择中的应用非常实用有效。