...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Reliability, Quality and Safety Engineering >A Study on Regression Analysis by Expanded RBF Network Based on Copula with Linear Correlation and Rank Correlation
【24h】

A Study on Regression Analysis by Expanded RBF Network Based on Copula with Linear Correlation and Rank Correlation

机译：基于线性相关和秩相关的Copula的扩展RBF网络回归分析研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We extend the traditional RBF network to be a more powerful tool in terms of considering dependence among explanatory variables. For this purpose, we propose two kernel functions of RBF network, i.e., FGM-Gauss kernel and ρ-Gauss kernel based on a copula. A copula is another expression of a joint probability distribution function. After proposing the new models, we compare the regression performances between RBF network with the traditional Gauss kernel, FGM-Gauss kernel, ρ-Gauss kernel, and the multiple linear regression analysis by numerical experimentations. We show that new models have better regression performances than RBF network with Gauss kernel and multiple regression analysis if the explanatory variables depend on each other.
机译：考虑到解释变量之间的依赖性，我们将传统的RBF网络扩展为功能更强大的工具。为此，我们提出了RBF网络的两个内核功能，即基于copula的FGM-Gauss内核和ρ-Gauss内核。系动词是联合概率分布函数的另一种表达。在提出新模型之后，我们通过数值实验比较了RBF网络与传统高斯核，FGM-Gauss核，ρ-Gauss核之间的回归性能，以及多元线性回归分析。我们表明，如果解释变量相互依赖，则新模型比具有高斯核和多重回归分析的RBF网络具有更好的回归性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号