基于l0范数的中心选择用于训练容错RBF网络及中心选取
机器学习
2018-11-02 v3 神经与进化计算
机器学习
摘要
本文的目标是在并发故障下训练RBF神经网络并选择中心。众所周知，容错性是神经网络一个非常吸引人的性质。而中心选择是RBF神经网络训练过程中的重要步骤。在本文中，我们设计了两种新算法来同时解决这两个问题。它们都基于ADMM框架。在第一种方法中，引入极小极大凹惩罚（MCP）函数来选择中心。在第二种方法中，直接使用l0范数项，并利用硬阈值（HT）来处理l0范数项。在若干温和条件下，我们可以证明两种方法都能全局收敛到唯一的极限点。仿真结果表明，在并发故障下，所提算法优于许多现有方法。
引用
@article{arxiv.1805.11987,
title = {l0-norm Based Centers Selection for Training Fault Tolerant RBF Networks and Selecting Centers},
author = {Hao Wang and Chi-Sing Leung and Hing Cheung So and Ruibin Feng and Zifa Han},
journal= {arXiv preprint arXiv:1805.11987},
year = {2018}
}