+高级检索
一种用于RBF神经网络的支持向量机与BP的混合学习算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

国家自然科学基金资助项目(60375001),高校博士点基金资助项目(20030532004)


A Hybrid Learning Algorithm for RBF Neural Networks Based on Support Vector Machines and BP Algorithms
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法.算法分为2步:首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数.混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点.仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良.

    Abstract:

    Support vector machine (SVM) resembles RBF neural networks (RBFNN) in structure. Considering their resemblance, a new hybrid learning algorithm for RBFNN was proposed. The proposed learning algorithm is based on SVM and BP algorithms and include

    参考文献
    相似文献
    引证文献
文章指标
  • PDF下载次数:
  • HTML阅读次数:
  • 摘要点击次数:
  • 引用次数:
引用本文

袁小芳 王耀南 孙炜 杨辉前.一种用于RBF神经网络的支持向量机与BP的混合学习算法[J].湖南大学学报:自然科学版,2005,32(3):

复制
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
作者稿件一经被我刊录用,如无特别声明,即视作同意授予我刊论文整体的全部复制传播的权利,包括但不限于复制权、发行权、信息网络传播权、广播权、表演权、翻译权、汇编权、改编权等著作使用权转让给我刊,我刊有权根据工作需要,允许合作的数据库、新媒体平台及其他数字平台进行数字传播和国际传播等。特此声明。
关闭