基于优化的RBF神经网络的变量筛选方法

被引：26

作者：

徐富强

刘相国

机构：

[1] 巢湖学院数学系

来源：

关键词：

RBF神经网络; 参数优化; 交叉验证法; MIV; 变量筛选;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; O212.1 [一般数理统计];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 020208 ; 070103 ; 0714 ;

摘要：

由于RBF神经网络结构简单、输出与初始权值无关、自适应、可调参数少等特点,提出了利用交叉验证法寻最优参数SPREAD值,构建最优RBF神经网络模型并结合MIV算法用于变量筛选。通过实例检验了模型的有效性,也使该方法具有较好的稳定性和应用性。

引用

页码：206 / 208

页数：3

共 6 条

彭晓燕 ;

谭震 ;

陈昌荣 ;

黄源 .

[2] 梯度算法下RBF网的参数变化动态 [J].

魏海坤 ;

李奇 ;

宋文忠 .

王国庆 ;

邵学广 .

[4] 遗传算法用于偏最小二乘方法建模中的变量筛选 [J].

褚小立 ;

袁洪福 ;

王艳斌 ;

陆婉珍 .

[5]

神经网络理论与MATLAB R2007实现.[M].葛哲学; 孙志强; 编著.电子工业出版社.2007,

[6]

偏最小二乘变量筛选法及其应用研究.[D].林燕.厦门大学.2007, 07