基于单调约束的径向基函数神经网络模型
曹雅,邓赵红*,王士同江南大学数字媒体技术学院, 江苏 无锡 214122
收稿日期:2017-05-05出版日期:2018-06-20发布日期:2017-05-05通讯作者:邓赵红(1981— ),男,安徽蒙城人,教授,博导,博士,主要研究方向为人工智能与模式识别. E-mail:dengzhaohong@jiangnan.edu.cnE-mail:caoya1027@163.com作者简介:曹雅(1992— ),女,江苏盐城人,硕士研究生,主要研究方向为人工智能与模式识别. E-mail:caoya1027@163.com基金资助:江苏省****基金资助项目(BK20140001);国家重点研发计划资助项目(2016YFB0800803);国家自然科学基金资助项目(61772239)An radial basis function neural network model based on monotonic constraints
CAO Ya, DENG Zhaohong*, WANG ShitongSchool of Digital Media, Jiangnan University, Wuxi 214122, Jiangsu, China
Received:2017-05-05Online:2018-06-20Published:2017-05-05摘要/Abstract
摘要： 径向基函数(radial basis function, RBF)神经网络是一种高效的前馈式神经网络。它结构简单,具有良好的泛化能力,已经被广泛的应用于数据分类中。但是对于一些特殊的分类场景,如单调数据场景,神经网络还未充分发挥其潜能。针对此,提出单调径向基函数神经网络(monotonic radial basis function neural network, MC-RBF)。MC-RBF引入Tikhonov 正则化方法确保优化问题解的唯一性与有界性。试验结果表明,在处理具有单调性的数据集时,MC-RBF比原始的RBF神经网络具有更好的分类性能。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1731
