一种基于AutoEncoder的RBF神经网络训练算法  

作　　者：马艳东[1] 

机构地区：[1]河北省科学院应用数学研究所第二研究室,河北省信息安全认证工程技术研究中心

出　　处：《中国科技信息》2015年第9期59-60,共2页China Science and Technology Information

基　　金：河北省科技支撑计划项目<基于深度学习与故障树的铁路电务设备故障诊断与预警系统(项目编号:14290321D)>的资助

摘　　要：RBF神经网络中心宽度等参数确定的是否合理将直接影响到RBF网络的学习性能。通过有监督学习的方法来确定RBF神经网络的参数是最一般化的方法。研究表明,参数的初始化问题是该类方法的关键所在。为此,提出了一种利用AutoEncoder初始化RBF神经网络各个参数的新型训练算法。实验仿真表明,与传统RBF神经网络训练算法相比,该新型算法具有更高的训练精度与更强的泛化能力。

关 键 词：RBF神经网络 网络训练算法 RBF网络 初始化问题 有监督学习 学习性能 网络中心 实验仿真 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]