Comparative study of MLP and RBF algorithms for data classification

  • سال انتشار: 1397
  • محل انتشار: چهارمین کنفرانس ملی فناوری در مهندسی برق، کامپیوتر
  • کد COI اختصاصی: TECCONF04_214
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 538
دانلود فایل این مقاله

نویسندگان

Seyed Alireza Aghvami

Department of Electricty, Payame Noor University, PO BOX ۱۹۳۹۵-۳۶۹۷, Tehran, IRAN

چکیده

This paper compare the performance of various multilayer perceptron (MLP) and radial basis function (RBF) neural networks on classification problems using Matlab’s Neural network toolbox. We tested the studied networks on data sets such as iris dataset, cancer dataset, glass dataset, thyroid dataset and etc. Several evaluation parameters, such as number of mean square of error (MSE), number of neurons in hidden layer, training time and accuracy (ACC), were taken into account during performance comparison of the algorithms. The results show that the Levenberg-Marquardt training algorithm and Radial basis function neural network is frequently faster and achieves better accuracy than the other algorithms for moderate size problems.

کلیدواژه ها

Classification, Back propagation, multilayer perceptron, Conjugate Gradient, Quasi-Newton, Levenberg-Marquardt, Radial basis function.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.