一种基于因子分析改进的RBF神经网络算法
针对RBF神经网络在处理大规模多维数据时，网络结构不易设计、收敛时间较长、训练次数较多等不足，在原有的RBF神经网络模型的基础上，结合因子分析算法可以对大规模数据进行降维处理的优点，提出一种FA-RBF神经网络算法。利用该算法首先可以先对输入的数据进行降维处理，将处理后的数据作为神经网络的输入进行网络的训练和仿真。FA-RBF算法可以有效地简化网络结构、提高收敛速度、节省训练时间。将该算法用于私家车保有量的预测中，预测结果显示FA-RBF算法较之于PCA-RBF和RBF神经网络算法，其预测精度有所提高，训练时间及误差平方和都明显降低。
人工神经网络 数据处理 径向基函数 因子分析 FA-RBF算法 私家车保有量
杨华 王珂
中国矿业大学计算机科学与技术学院,江苏 徐州 221116
国内会议
徐州
中文
105-108,113
2011-10-22（万方平台首次上网日期，不代表论文的发表时间）