Le reti neurali RBF: legami e differenze con i metodi kernel.

Risultato della ricerca: Contributo in libroContributo a convegno

Abstract

The Radial Basis Function (RBF) neural networks are nonparametric regression tools similar in formula to the Nadaraya-Watson kernel estimator. Starting from this resemblance, the relationships between the RBF neural nets and the kernel methods are discussed. Some results regarding the moment matrix of the radial basis functions are used to understand the linkage between these estimators and to show a different behaviour of their bandwidth. It is also recalled that the rate of convergence of RBF nets is not dependent on the dimension of the domain of the regression function unlike kernel methods. Afterwards the comparison moves on more applied aspects and a RBF net joint on an ARCH model is proposed to analyse financial time series.
Titolo tradotto del contributo[Autom. eng. transl.] RBF neural networks: links and differences with kernel methods.
Lingua originaleItalian
Titolo della pubblicazione ospiteAtti del convegno MAF 2004 - Metodi matematici e statistici per l'analisi dei dati assicurativi e finanziari
Pagine163-168
Numero di pagine6
Stato di pubblicazionePubblicato - 2004
EventoMAF 2004 - Metodi matematici e statistici per l'analisi dei dati assicurativi e finanziari - Università degli studi di Salerno
Durata: 15 apr 200416 apr 2004

Convegno

ConvegnoMAF 2004 - Metodi matematici e statistici per l'analisi dei dati assicurativi e finanziari
CittàUniversità degli studi di Salerno
Periodo15/4/0416/4/04

Keywords

  • ARCH models
  • Radial Basis Function neural networks
  • nonparametric regression

Fingerprint Entra nei temi di ricerca di 'Le reti neurali RBF: legami e differenze con i metodi kernel.'. Insieme formano una fingerprint unica.

Cita questo