文献

J-GLOBAL ID：201802228198658655   整理番号：18A1536495

高速密度クラスタリングに基づくRBFニューラルネットワーク設計【JST・京大機械翻訳】

Construction of RBF neural networks via fast density clustering

著者 (3件)： Meng Xi (北京工業大学 信息学部,北京 100124;北京工業大学 計算智能与智能系統北京市重点実験室,北京 100124) ,  Qiao Junfei (北京工業大学 信息学部,北京 100124;北京工業大学 計算智能与智能系統北京市重点実験室,北京 100124) ,  Li Wenjing (北京工業大学 信息学部,北京 100124;北京工業大学 計算智能与智能系統北京市重点実験室,北京 100124)
資料名： Zhineng Xitong Xuebao  (Zhineng Xitong Xuebao)
巻： 13  号： 3  ページ： 331-338  発行年： 2018年 
JST資料番号： C2755A  ISSN： 1673-4785  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 動径基底関数(RBF)ニューラルネットワークの隠れ層構造の決定が困難である。高速密度クラスタリングに基づくネットワーク構造設計アルゴリズムを提案した。このアルゴリズムは,高速密度クラスタリングアルゴリズムの良好なクラスタリング特性をRBFニューラルネットワーク構造の設計に用い,密度の最大の点を探し,隠れ層ニューロンとした。隠れ層ニューロンの数と初期パラメータを決定した。同時に、ガウス関数の特性を導入し、各隠れ層ニューロンの活性を保証した。最後に,ニューラルネットワークを訓練し,ニューラルネットワークの収束速度と一般化能力を改善した。典型的非線形関数近似と非線形動的システム同定実験は,高速密度クラスタリングに基づくRBFニューラルネットワークが,コンパクトなネットワーク構造を持つことを示した。迅速な学習能力と良好な汎化能力。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 関数近似 ,  アルゴリズム ,  ニューロン ,  *ニューラルネットワーク ,  *高速度 ,  ネットワーク構造 ,  動的系 ,  *クラスタ化 ,  パラメータ ,  動径基底関数
準シソーラス用語： 収束速度 ,  Gauss関数 ,  クラスタリングアルゴリズム ,  隠れ層 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： RBF neural networks ,  fast density clustering ,  structure design ,  neuron activity ,  second-order training ,  generalization performance ,  function approximation ,  system identification

分類 (2件)： 計算機網  (JC03000K) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： 密度 ,  クラスタリング ,  RBFニューラルネットワーク ,  設計