论文部分内容阅读
通过分析径向基函数网络与支持向量机之间的关系,将结构风险最小化原则应用于径向基函数网络学习中,与传统的基于经验风险最小化原则的径向基函数网络相比,它充分保证了模型的泛化能力,能够弥补学习方法本身的缺陷。最后,将该算法应用于非线性时间序列预测,并与传统的径向基函数网络预测结果进行了比较,实验结果表明本算法提高了径向基函数网络的泛化能力。