RBF神经网络的混合结构优化算法.pdf

RBF神经网络的混合结构优化算法.pdf

ID:53006400

大小:704.01 KB

页数:7页

时间:2020-04-11

RBF神经网络的混合结构优化算法.pdf_第1页
RBF神经网络的混合结构优化算法.pdf_第2页
RBF神经网络的混合结构优化算法.pdf_第3页
RBF神经网络的混合结构优化算法.pdf_第4页
RBF神经网络的混合结构优化算法.pdf_第5页
资源描述:

《RBF神经网络的混合结构优化算法.pdf》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28卷第4期仪器仪表学报Vol128No142007年4月ChineseJournalofScientificInstrumentApr120073RBF神经网络的混合结构优化算法112赵志刚,缪凯,吕慧显(1青岛大学信息工程学院青岛266071;2青岛大学自动化工程学院青岛266071)摘要:本文改进了递归正交最小二乘(ROLS)算法的停止条件,并用改进的ROLS算法优选RBF神经网络中隐单元的个数;借用细菌群体趋药性(bacterialcolonychemotaxis,BCC)算法的思想来确定RBF神经网络隐层神经元的控制参数;把改进的ROLS

2、算法和BCC算法相结合(ROLS2BCC算法),来全结构优化RBF神经网络,使RBF网络不但可以得到合适的结构,同时也可以得到合适的控制参数。实验结果表明,本文算法的优化效率高,优化后RBFNN的结构小,并且提高了RBFNN的泛化能力。关键字:RBF神经网络;细菌群体趋药性算法;ROLS算法中图分类号:TP183文献标识码:A国家标准学科分类代码:520.60Hybridstructureoptimizationalgorithmofradialbasisfunctionneuralnetwork112ZhaoZhigang,MiaoKai,LvHu

3、ixian(1CollegeofInformationEngineering,QingdaoUniversity,Qingdao266071,China;2CollegeofAutomationEngineering,QingdaoUniversity,Qingdao266071,China)Abstract:Inthispaper,thestopconditionforrecursionorthogonalleastsquare(ROLS)algorithmisimproved,andtheoptimalnumberofhiddenneuronsi

4、nRBFNNischosenusingthisimprovedROLSalgorithm.Thethoughtofbac2terialcolonychemotaxis(BCC)algorithmisappliedtodeterminethecontrolparametersofthehiddenneuronsinRBFneuralnetwork.TheimprovedROLSalgorithmiscombinedwiththeBCCalgorithm,i.e.ROLS2BCCalgo2rithm,soastooptimizetheoverallstr

5、uctureofRBFNN(includingobtainingtheappropriatestructureandtheappro2priatecontrolparameters).TheexperimentalresultsshowthattheROLS2BCCalgorithmhasagoodoptimizationper2formance.Furthermore,theRBFNNoptimizedbyROLS2BCCalgorithmhasasmallerstructure,andthegeneraliza2tionabilityofRBFN

6、Nisimproved.Keywords:RBFneuralnetworks;bacterialcolonychemotaxisalgorithm;ROLSalgorithm参数却没有系统的规律可循。在前馈神经网络中,结构1引言的大小很大程度上影响了网络的泛化能力。如果网络的结构过大,网络的自由度相对于训练样本的自由度过小,径向基函数神经网络(RBFNN)由于具有非线性逼那么它的泛化能力就会下降。如果网络结构过小,会导近能力强、网络结构简单、学习速度快等优点,因而被广致网络在训练时找不到合适的参数,也就是网络得不到[122]好的映射模型,同时网络的收

7、敛速度也会受到重大影响。泛应用于函数逼近、模式识别、预测和控制等领域。RBFNN属于3层网络结构(见图1),分别是输入层、隐所以说,网络结构大小的选择对前馈神经网络来说,是一层和输出层。其中输入层到隐层是非线性映射,通过隐个需要解决的重大问题。文献[3]中使用了递归正交二单元实现;隐层到输出层是线性映射,即为隐单元输出值乘法(ROLS)算法来优化网络的结构,这种方法速度快、[1]效率高,但对多极值问题容易陷入局部极小点。本文提出的加权和。然而,有效地确定RBF神经网络的结构和收稿日期:2006204ReceivedDate:20062043基金项目:

8、国家自然科学基金(60602040)资助项目第4期赵志刚等:RBF神经网络的混合结构优化算法651TT了一种

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。