径向基函数(RBF)神经网络的一种极大熵学习算法
A Maximum-Entropy Learning Algorithm of Radial Basis Function(RBF) Neural Networks作者机构：西安交通大学人工智能与机器人所西安710049
出 版 物：《计算机学报》 (Chinese Journal of Computers)
年 卷 期：2001年第24卷第5期
页 面：474-479页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金! ( 6973 5 0 10 ) 西安交通大学研究生院博士学位论文基金!资助
主 题：径向基函数 极大熵原理 拉格朗日乘子 神经网络 学习算法
摘 要：RBF神经网络中心向量的确定是整个网络学习的关键 ,该文基于信息论中的极大熵原理构造了训练中心向量的极大熵聚类算法 ,由此给出了网络的极大熵学习算法 .文中最后分别用一个时间序列预测和系统辨识问题验证了该学习算法的有效性 ,同 RBF网络和多层感知机的误差回传算法相比 ,该算法不仅在学习精度和泛化推广能力上有一定程度的提高 ,而且学习时间有显著的降低 .
维普期刊数据库
同方期刊数据库