RBF网络的鲁棒最小二乘学习算法
来源期刊：控制与决策2010年第4期
论文作者：谢振平 刘基宏 王士同
文章页码：502 - 1020
关键词：径向基函数神经网络学习;鲁棒最小二乘;函数逼近;
摘 要：首先,针对径向基函数(RBF)神经网络参数学习中最小二乘法(LS)难以获得较高鲁棒性的问题,假定训练数据扰动上界可知,并基于鲁棒最小二乘原理,提出一种RBF网的最优鲁棒参数学习算法;然后分析指出,扰动上界可依据训练数据集自适应学习估计;最后通过实验分析结果表明了所提算法具有较高的参数鲁棒学习能力.与LS相似,新算法无额外参数,易于实际应用.
谢振平1,2，刘基宏1，王士同2
1. 江南大学数字媒体学院2. 江南大学信息工程学院
摘 要：首先,针对径向基函数(RBF)神经网络参数学习中最小二乘法(LS)难以获得较高鲁棒性的问题,假定训练数据扰动上界可知,并基于鲁棒最小二乘原理,提出一种RBF网的最优鲁棒参数学习算法;然后分析指出,扰动上界可依据训练数据集自适应学习估计;最后通过实验分析结果表明了所提算法具有较高的参数鲁棒学习能力.与LS相似,新算法无额外参数,易于实际应用.
关键词：径向基函数神经网络学习;鲁棒最小二乘;函数逼近;
