基于一种进化模型的ＲＢＦ网络参数优化

2012年04月10日11:03:11 本网站我要评论(2)字号：T | T | T

张刚林，刘光灿
长沙学院电子与通信工程系，湖南长沙

摘　　　要：优化ＲＢＦ网络中的参数是一个非常复杂的问题，因为其目标函数包含大量的局部较优点。提出一种基于群的算法发生器模型来优化ＲＢＦ网络中的中心和宽度，并同时用较小二乘法优化其线性权重。该进化模型的优势在于把搜索任务进行功能分解。一种著名的ＭａｃｋｅｙＧｌａｓｓ混沌时间序列被用来检验算法的性能。实验结果表明，提出的算法要优于其他一些算法，如ｋ均值算法、遗传算法或粒子群算法的预测结果。

关　键　词：ＲＢＦ神经网络；参数估计；进化模型

１　引　言
由于可以以任意精度逼近任何函数，前馈人工神经网络一直是学术界研究和应用的热点。在这一点上，ＲＢＦ神经网络已经从理论上被证明［１］。由于其简单的结构、非线性逼近的精度和快速学习的能力，它已成为较流行的前馈神经网络之一。然而，由于目标函数包含大量的局部较优点，估计神经网络模型中的参数是一个非常困难的优化问题。以往的研究［２］表明，ＲＢＦ网络中心的选择对模型的性能有着重大的影响，它也是优化的主要任务。目前，比较常用的优化ＲＢＦ网络中心的方法有遗传算法［３］、群蚁算法［４］及粒子群［５］等。本文提出了一种基于群的算法发生器模型来优化ＲＢＦ神经网络中的中心和宽度，并同时用较小二乘法优化其线性权重。为其他一些算法比较，ＲＢＦ神经网络被用来预测一种标准的时间序列。实验结果表明，提出的算法要优于现存的一些算法。

登录网站后可下载文件

相关阅读:

没有相关新闻...

电子应用

文摘

方案

电路图

电源技巧：电流模式控制简化了对降压LED稳压器的补偿

热点新闻