| 基于Lasso稀疏学习的径向基函数神经网络模型 |
| |
| 引用本文： | 崔晨,邓赵红,王士同.基于Lasso稀疏学习的径向基函数神经网络模型[J].计算机工程,2019,45(2):173-177. |
| |
| 作者姓名： | 崔晨 邓赵红 王士同 |
| |
| 作者单位： | 江南大学 数字媒体学院,江苏 无锡,214122;江南大学 数字媒体学院,江苏 无锡,214122;江南大学 数字媒体学院,江苏 无锡,214122 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;国家重点研发计划;国家自然科学基金 |
| |
| 摘 要： | 传统径向基函数(RBF)神经网络模型使用完整的隐含层节点进行模型构建时,会因缺乏隐含层节点抽取机制而使得受训模型的泛化性能下降,导致模型更加复杂。为此,提出一种改进的RBF神经网络模型。通过Lasso稀疏约束对隐含层节点和输出层连接权值进行稀疏表示,去除冗余和不相关隐含层节点的同时保留重要的隐含层节点,并使用交叉验证和网格搜索确定收缩参数以优化模型分类性能。实验结果表明,与现有RBF神经网络模型相比,该模型具有更低的计算复杂度和更高的分类精度。
|
| 关 键 词： | 数据挖掘 Lasso稀疏学习 径向基函数 神经网络 收缩参数 |
Radial Basis Function Neural Network Model Based on Lasso Sparse Learning |
| |
| CUI Chen,DENG Zhaohong,WANG Shitong.Radial Basis Function Neural Network Model Based on Lasso Sparse Learning[J].Computer Engineering,2019,45(2):173-177. |
| |
| Authors: | CUI Chen DENG Zhaohong WANG Shitong |
| |
| Affiliation: | (School of Digital Media,Jiangnan University,Wuxi,Jiangsu 214122,China) |
| |
| Abstract: | CUI Chen;DENG Zhaohong;WANG Shitong(School of Digital Media,Jiangnan University,Wuxi,Jiangsu 214122,China) |
| |
| Keywords: | data mining Lasso sparse learning Radial Basis Function(RBF) neural network shrinkage parameter |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
