论文部分内容阅读
为了在不依赖测试样本的前提下获取最优的径向基函数分布系数Opt-SPRD,从而构造出具有更高精度的径向基神经网络(RBNN)近似模型,提出了一种基于交叉验证的分布系数选取方法。该方法以分布系数与交叉验证误差之间的函数为基础,把对应于交叉验证误差最小值的分布系数作为Opt-SPRD的近似解。数值实验的结果表明,所提出的方法明显优于目前通行的缺省处理方法;与基于L-MBP算法的前馈神经网络近似模型相比,在所提出方法基础上构造出的RBNN近似模型具有更高、更稳定的精度。