一种基于因子分析改进的RBF神经网络算法

杨华; 王珂

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于因子分析改进的RBF神经网络算法

更新时间：2026-09-04

- 一种基于因子分析改进的RBF神经网络算法
- An Improve-Based RBF Neural Network Algorithm Based on Factor Analysis
- 微电子学与计算机 2011年28卷第10期页码：105-108
- 作者机构：
  
  中国矿业大学计算机科学与技术学院,江苏,徐州,221116
- 作者简介：
- 基金信息：
  
  国家大学生创新性实验计划项目(S2TP-2010-23)
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
杨华, 王珂. 一种基于因子分析改进的RBF神经网络算法[J]. 微电子学与计算机, 2011, 28(10): 105-108,113.

YANG Hua, WANG Ke. An Improve-Based RBF Neural Network Algorithm Based on Factor Analysis[J]. 2011, 28(10): 105-108.
杨华, 王珂. 一种基于因子分析改进的RBF神经网络算法[J]. 微电子学与计算机, 2011, 28(10): 105-108,113. DOI：

YANG Hua, WANG Ke. An Improve-Based RBF Neural Network Algorithm Based on Factor Analysis[J]. 2011, 28(10): 105-108. DOI：

摘要

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.

Abstract

FA-RBF neural network algorithm is proposed by combining factor analysis algorithm

which has advantage of reducing the datas dimensions

with RBF neural network.Using the new algorithm

the original data can first reduce its dimension

then

the processed data can be the input of neural network to network training and simulation.FA-RBF algorithm can effectively simplify the network structure

improve the convergence speed and save training time.Apply the algorithm for the prediction of private car ownership

the prediction results show that compared to PCA-RBF and RBF neural network algorithm FA-RBF algorithm significantly improved prediction accuracy

reduced training time and the sum of squared errors.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

因子分析和支持向量机的信息系统风险评价

一种基于特征上下文理解与切片分析的肺结核检测算法

一种用于极低压boost系统的高效率电荷泵

基于改进RT-DETR的航拍小目标检测算法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真