具有最优学习率的RBF神经网络及其应用

被引：49

作者：

卫敏 ^{[1
]}

余乐安 ^{[2
,1
]}

机构：

[1] 中国科学院数学与系统科学研究院

[2] 北京化工大学经济管理学院

来源：

管理科学学报 | 2012年 / 15卷 / 04期

基金：

国家杰出青年科学基金; 国家自然科学基金重大研究计划;

关键词：

RBF神经网络; 最优学习率; 梯度下降法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

传统固定学习率的RBF神经网络在金融时间序列预测方面已经有比较成功的应用,但网络学习率的选择问题却给传统RBF神经网络的使用带来了不便.利用梯度下降法及优化方法推导出了RBF神经网络的动态最优学习率并将其应用于网络学习算法,具有最优学习率的RBF神经网络能够在保证网络稳定学习的同时兼顾网络的收敛速度.为了检验具有动态最优学习率的RBF神经网络的预测效果,对沪深300指数波动率进行了预测实验.实验结果表明,具有动态最优学习率的RBF神经网络比传统的固定学习率的RBF神经网络有着更快的收敛速度,同时也避免了人为选定学习率的不便.

引用

页码：50 / 57

页数：8

共 8 条

[1] 基于小波变换的多尺度跳跃识别与波动性估计研究
王春峰
姚宁
房振明
[J]. 管理科学学报, 2010, 13 (10) : 63 - 68
[2] 上证指数高频数据的多重分形错觉
周炜星
[J]. 管理科学学报, 2010, (03) : 81 - 86
[3] Multistage RBF neural network ensemble learning for exchange rates forecasting[J] . Lean Yu,Kin Keung Lai,Shouyang Wang.Neurocomputing . 2008 (16)
[4] Human face recognition based on multi-features using neural networks committee
Zhao, ZQ
Huang, DS
Sun, BY
[J]. PATTERN RECOGNITION LETTERS, 2004, 25 (12) : 1351 - 1358
[5] An on-line hybrid learning algorithm for multilayer perceptron in identification problems
Sha, DH
Bajic, VB
[J]. COMPUTERS & ELECTRICAL ENGINEERING, 2002, 28 (06) : 587 - 598
[6] A sequential learning scheme for function approximation using minimal radial basis function neural networks
Lu, YW
Sundararajan, N
Saratchandran, P
[J]. NEURAL COMPUTATION, 1997, 9 (02) : 461 - 478
[7] APPROXIMATION AND RADIAL-BASIS-FUNCTION NETWORKS
PARK, J
SANDBERG, IW
[J]. NEURAL COMPUTATION, 1993, 5 (02) : 305 - 316
[8] Universal Approximation Using Radial-Basis-Function Networks
Park, J.
Sandberg, I. W.
[J]. NEURAL COMPUTATION, 1991, 3 (02) : 246 - 257

← 1 →