М-обучение радиально-базисных сетей с использованием асимметричных функций влияния

Abstract

Розглянуто робастний підхід до навчання радіально-базисних мереж за наявності завад вимірювань, що мають несиметричні розподілення. Для мінімізації запропонованих асиметричних функціоналів використовуються алгоритми Гаусса–Ньютона і Левенберга–Марквардта. Оцінювання параметрів завад здійснюється за допомогою алгоритму стохастичної апроксимації. Наведено результати моделювання, що підтверджують ефективність запропонованого підходу.

A robust approach to training radial basis networks in the presence of noise measurements with asymmetric distributions is considered. To minimize the proposed asymmetric functionals, Gauss–Newton and Levenberg–Marquardt algorithms are used. The estimation of interference parameters is performed using a stochastic approximation algorithm. The simulation results confirm the effectiveness of the proposed approach.