| 高斯核正则化学习算法的泛化误差 |
| |
| 引用本文： | 张永全,李有梅.高斯核正则化学习算法的泛化误差[J].数学物理学报(A辑),2014,34(5). |
| |
| 作者姓名： | 张永全 李有梅 |
| |
| 作者单位： | 1. 中国计量学院数学与信息科学系 杭州310018;西安交通大学信息与系统科学研究所 西安710049
2. 中国计量学院数学与信息科学系 杭州310018 |
| |
| 基金项目： | 国家自然科学基金，浙江省自然科学基金 |
| |
| 摘 要： | 对广义凸损失函数和变高斯核情形下正则化学习算法的泛化性能展开研究.其目标是给出学习算法泛化误差的一个较为满意上界.泛化误差可以利用正则误差和样本误差来测定.基于高斯核的特性,通过构构建一个径向基函数(简记为RBF)神经网络,给出了正则误差的上界估计,通过投影算子和再生高斯核希尔伯特空间的覆盖数给出样本误差的上界估计.所获结果表明,通过适当选取参数σ和λ,可以提高学习算法的泛化性能.
|
| 关 键 词： | 学习理论 RBF神经网络 高斯核 泛化误差 |
Generalization Bounds of Compressed Regression Learning Algorithm |
| |
| Zhang Yongquan,Li Youmei.Generalization Bounds of Compressed Regression Learning Algorithm[J].Acta Mathematica Scientia,2014,34(5). |
| |
| Authors: | Zhang Yongquan Li Youmei |
| |
| Abstract: | |
| |
| Keywords: | Learning theory RBF neural network Gaussian kernels Generalization error |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
