欢迎来到天天文库
浏览记录
ID:38112479
大小:275.31 KB
页数:4页
时间:2019-05-24
《径向基函数神经网络的全监督算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第25卷第4期增刊仪器仪表学报2004年8月径向基函数神经网络的全监督算法‘韩敏郭伟王金城(辽宁省大连理工大学电子与信息工程学院大连116023)摘要径向基函数神络的学习过程一般分为两个阶段:非监督学习和监督学习阶段,分别调整网络的中心和权值。这里将网络的总体误差作为目标函数,以待求的所有参数作为变量,同时调整,构成全监督算法。为了提高收敛速度,采用共Of梯度法作为参数优化方法。通过混沌时间序列预测仿真证明,该算法具有良好的性能。关键词径向基函数网络、共扼梯度、、/夕、/少AnEntire一supe
2、rvisedAlogrithmofRBFNetworkHanMinGuoWeiWangJincheng(SchoolofElectronicandInformationEngineering,DalianUniversityofTechnology,Dalian116023,China)E-mail:minhan(aidlut.edu.cnAbstractThetraditionallearningalgorithmofaradialbasisfunctionnetworkisseparatedtw
3、ophases:unsuper-visedandsupervisedprocesses,calculatingRBFcentersandweightsrespectively.Definingnetworkerrorasopti-mumobjectivefunction,allparametersarelookedasfunctionvariables,andanentire-supervisedalgorithmisstudied.Tospeeduptheparametersadjustingpr
4、ocess,conjugate-gradientdecentalgorithmisemployed.Itisusedtochaotictimeseriespredictionandtheresultissatisfying.KeywordsRBFConjugate-gradientSupervised学习和监督学习两个过程,分别调整中心和权值。由于1引言调节中心时采用的是非监督算法,因此网络性能对初始值非常敏感,同时存在死节点问题「2〕。径向基函数(Radial-Basis-Function,RBF
5、)神经网考虑到网络最终的目标是使性能指标最小,这里络是一种性能良好的前向神经网络,相对于BP网络,提出一种全监督算法,即将学习过程合二为一,以网络它具有较快的学习速率,且不存在局部极小值的问题,的总误差作为目标函数,以待求的所有参数:网络中只要样本充足,无论系统是否为非线性都可以找到恰IL、宽度和权值作为被调变量,采用优化算法同时加以当的映射。因此,在许多领域,如函数逼近、数据挖掘、调整。一方面避免了网络中心对初始值敏感的问题,另系统预报等方面得到广泛的应用。一方面,相对于常规的两阶段算法具有更高的
6、分类精RBF网络的非线性映射能力体现在隐含层的基度[3]。函数上,而基函数的特性主要由函数的中心值确定,针为了避免同时调整所有的参数,当网络的规模增对学习数据恰当确定出网络的基函数中心,就可以提大时,耗用机时较多的问题「‘〕,这里采用共扼梯度法作高网络的非线性逼近能力「,〕。因此,围绕中心值的确为参数的优化方法,比梯度下降法下降速度明显加快,定,不少人提出了网络的参数的学习方法,其中最常见而且在逼近极小点时效果也更好,-fi]的是C一均值算法。该算法将网络的学习过程分非监督本文系国家自然科学基金资助
7、项目(60374064),第4期增刊径向基函数神经网络的全监督算法2RBF神经网络的理论基础3全监督算法RBF神经网络的产生具有很强的生物学背景。在笔者基于Mooky与Darken算法的基本思想提出人的大脑皮层区域中,局部调节及交叠的感受野是人了全监督算法。该算法的基本思路是将网络的所有参脑反应的特点。基于感受野这一特性,Moody和Dark-数调整过程作为一个监督学习的过程,同时加以调整,en提出了一种神经网络结构,即RBF网络[;。其结构以达到性能指标最小。如图1所示。网络输人层的节点将输人样本
8、直接送到为简化表达式,这里只讨论单输出即m=1时的隐含层,隐含层选取径向对称的非线性函数作为节点J清形。RBF网络的性能指标为:的激发函数,网络的输出通常是隐含层节点输出的线E;一粤(。;一YI)zi一1,2,n,p(4)性组合。文中假定网络三层的节点数分别为n,h和mo乙式中:0为第i个样本的期望值,Y、为第i个输人向量隐含层神经元的激发函数为:的实际输出值,P为样本数量。若将所有的待求参数,g;(x)=T}}x一c川/ai)i=1,2,n,h(1)式中:g;()是
此文档下载收益归作者所有