KMS Of Academy of mathematics and systems sciences, CAS
| 具有最优学习率的RBF神经网络及其应用 | |
| 卫敏1; 余乐安2 | |
| 2012 | |
| 发表期刊 | 管理科学学报
 |
| ISSN | 1007-9807 |
| 卷号 | 015期号:004页码:50 |
| 摘要 | 传统固定学习率的RBF神经网络在金融时间序列预测方面已经有比较成功的应用,但网络学习率的选择问题却给传统RBF神经网络的使用带来了不便.利用梯度下降法及优化方法推导出了RBF神经网络的动态最优学习率并将其应用于网络学习算法,具有最优学习率的RBF神经网络能够在保证网络稳定学习的同时兼顾网络的收敛速度.为了检验具有动态最优学习率的RBF神经网络的预测效果,对沪深300指数波动率进行了预测实验.实验结果表明,具有动态最优学习率的RBF神经网络比传统的固定学习率的RBF神经网络有着更快的收敛速度,同时也避免了人为选定学习率的不便. |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.amss.ac.cn/handle/2S8OKBNM/44654 |
| 专题 | 中国科学院数学与系统科学研究院 |
| 作者单位 | 1.中国科学院数学与系统科学研究院 2.北京化工大学 |
| 推荐引用方式 GB/T 7714 | 卫敏,余乐安. 具有最优学习率的RBF神经网络及其应用[J]. 管理科学学报,2012,015(004):50. |
| APA | 卫敏,&余乐安.(2012).具有最优学习率的RBF神经网络及其应用.管理科学学报,015(004),50. |
| MLA | 卫敏,et al."具有最优学习率的RBF神经网络及其应用".管理科学学报 015.004(2012):50. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [卫敏]的文章 |
| [余乐安]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [卫敏]的文章 |
| [余乐安]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [卫敏]的文章 |
| [余乐安]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论