全局优化ＲＢＦ网络的一种新算法

2012年06月28日14:03:46 本网站我要评论(2)字号：T | T | T

张刚林，甘　敏，董学平，陈威兵
长沙学院电子与通信工程系，湖南长沙

合肥工业大学电气与自动化工程学院，安徽合肥　

摘　　　要：神经网络的输入变量、隐含层结点以及中心的选择对模型的性能都有重大的影响，以前的研究一般只考虑优化网络的参数或其结点数。为解决这个问题，提出了一种新的全局优化算法来自动选择ＲＢＦ神经网络的输入变量和结点数目，并同时优化其参数。在提出的算法中，ＲＢＦ网络的结点数目、输入变量的选择和参数都采用二进制编码，并用遗传算法来优化。为提高算法的性能和收敛速度，在遗传算法优化的同时引入了一种高性能的基于梯度的局部搜索算子（结构化的非线性参数优化方法）来优化ＲＢＦ网络中的参数。ＢｏｘＪｅｎｋｉｎｓ煤气炉标准时间序列的预测问题被用来检验算法的性能。实验结果表明，提出的算法可以得到非常“紧凑”的ＲＢＦ网络，且其性能优于其他一些算法。

关　键　词：ＲＢＦ神经网络；遗传算法；混合优化方法

１　引　言
ＲＢＦ网络自从由Ｂｒｏｏｍｈｅａｄ和Ｌｏｗｅ［１］引入到人工神经网络以来一直是学术界研究和应用的热点。由于其简单的结构、非线性逼近的精度和快速学习的能力被广泛地应用于模式识别、函数逼近、信号处理和时间序列预测等领域［２５］。应用ＲＢＦ神经网络的一个难点是如何选择网络结构，优化模型参数，以及输入层中的输入变量选择。当前，把“软计算” （ｓｏｆｔｃｏｍｐｕｔｉｎｇ）的多种方法相混合被认为是很有前景的研究领域。特别是用遗传算法来优化神经网络已在大量的研究论文中出现［６］。然而，以前的一些研究绝大多数都只是优化ＲＢＦ网络的参数，或其结点数。对于同时选择结点数目，模型参数以及输入变量在国内外还是很鲜见的。以往的研究［７８］表明，输入结点、隐含结点以及中心的选择对模型的性能都有重大的影响。为解决以上问题，本文提出了一种新的算法来同时优化ＲＢＦ网络的结构和参数。在这种方法中ＲＢＦ网络的结点数目、输入变量的选择和参数都采用二进制编码，并用遗传算法来优化。为提高算法的性能和加速收敛，新算法引入了一种高性能的基于梯度的局部搜索算子［１０］来优化ＲＢＦ网络中的参数。实验结果表明新算法可以得到非常“紧凑” 的模型，且性能优于现存的其他一些算法。

登录网站后可下载文件

全局优化ＲＢＦ网络的一种新算法

相关阅读: