基于优化的RBF 神经网络的变量筛选方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

巢湖学院自然科学研究资助项目(XLY-201101)


Variables Screening Methods Based on the Optimization of RBF Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    由于RBF 神经网络结构简单、输出与初始权值无关、自适应、可调参数少等特点,提出了利用交叉验证法寻最优参数SPREAD 值,构建最优RBF 神经网络模型并结合MIV 算法用于变量筛选。通过实例检验了模型的有效性,也使该方法具有较好的稳定性和应用性。

    Abstract:

    Because of the Characteristics of RBF neural network structure is simple, output and initialized weights irrelevant, adaptive, less adjustable parameter etc. This paper proposes using the method of cross validation to find the optimal parameter value of SPREAD, constructs the optimal RBF neural network model and combines the algorithm of MIV to use for variables screening. Through the example test the validity of the model, also make the method has better ability of stability and applied.

    参考文献
    相似文献
    引证文献
引用本文

徐富强,刘相国.基于优化的RBF 神经网络的变量筛选方法.计算机系统应用,2012,21(3):206-208

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-06-24
  • 最后修改日期:2011-07-17
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号