文献检索-宁波市创意产业特色资源库

限定检索结果

基于自组织聚类和JS散度的RBF神经网络: 收藏
分享
引用; 《计算机工程与设计》2024年第4期45卷 1062-1068页; 作者：董镇林伍世虔叶健银开州武汉科技大学信息科学与工程学院湖北武汉430081 武汉科技大学机器人与智能系统研究院湖北武汉430081 北京奥信化工科技发展有限责任公司项目部北京100040; 针对如何确定径向基函数(RBF)神经网络隐层结构这一问题进行研究,提出一种基于自组织聚类和JS散度的RBF神经网络。为解决K-means算法对初始值敏感的问题,提出基于距离的自组织初始聚类,将戴维森堡丁(DBI)指数作为准则函数,进一步提高聚...; 针对如何确定径向基函数(RBF)神经网络隐层结构这一问题进行研究,提出一种基于自组织聚类和JS散度的RBF神经网络。为解决K-means算法对初始值敏感的问题,提出基于距离的自组织初始聚类,将戴维森堡丁(DBI)指数作为准则函数,进一步提高聚类精度,得到代表数据集分布特性的隐节点;为解决隐节点冗余和相似的问题,提出一种基于敏感度分析的隐节点删除方法和基于詹森-香农(JS)散度的隐节点合并方法。仿真结果验证了该算法的有效性。; 来源：详细信息评论

限定检索结果