ε-Insensitive Criterion and Structure Risk Based Radius-basis-function Neural-network Modeling
Qingbing Sang, Zhaohong Deng, Shitong Wang, Xiaojun Wu · JOURNAL OF ELECTRONICS INFORMATION TECHNOLOGY · 2012
摘要: 该文提出一种新的基于-不敏感准则和结构风险的径向基神经网络(RBF-NN)建模方法。通过引入-不敏感准则和结构风险项，把RBF-NN训练转化为线性回归和经典的二次规划优化问题。和传统的基于最小平方误差准则的RBF-NN训练算法相比，提出的新方法对小样本数据集和噪声数据显示出较好的鲁棒性，具有较好的泛化能力。通过模拟和真实数据集进行仿真试验，上述优点得到了有效验证。 关键词: 径向基函数神经网络建模 / -不敏感准则 / 结构风险 / 鲁棒性