• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >A Fast and Efficient Method for Training Categorical Radial Basis Function Networks
【24h】

A Fast and Efficient Method for Training Categorical Radial Basis Function Networks

机译：一种快速有效的分类径向基函数网络训练方法

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

This brief presents a novel learning scheme for categorical data based on radial basis function (RBF) networks. The proposed approach replaces the numerical vectors known as RBF centers with categorical tuple centers, and employs specially designed measures for calculating the distance between the center and the input tuples. Furthermore, a fast noniterative categorical clustering algorithm is proposed to accomplish the first stage of RBF training involving categorical center selection, whereas the weights are calculated through linear regression. The method is applied on 22 categorical data sets and compared with several different learning schemes, including neural networks, support vector machines, naïve Bayes classifier, and decision trees. Results show that the proposed method is very competitive, outperforming its rivals in terms of predictive capabilities in the majority of the tested cases.
机译：本摘要介绍了一种基于径向基函数（RBF）网络的分类数据新颖学习方案。所提出的方法用分类元组中心替换了称为RBF中心的数值矢量，并采用了专门设计的措施来计算中心与输入元组之间的距离。此外，提出了一种快速的非迭代分类聚类算法，以完成涉及分类中心选择的RBF训练的第一阶段，而权重是通过线性回归来计算的。该方法应用于22个分类数据集，并与几种不同的学习方案进行了比较，包括神经网络，支持向量机，朴素贝叶斯分类器和决策树。结果表明，该方法具有很好的竞争力，在大多数测试案例中，其预测能力均优于其竞争对手。

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