一种新的RBF神经网络学习算法
刘晓刚;李玉景;代晓燕;矫媛;
摘要(Abstract)：
本文提出一种改进的RBF神经网络学习算法,它利用减聚类算法确定隐层单元的数量,并用修剪的办法删除冗余单元,避免了传统的K聚类算法对隐层单元数量确定的盲目性。利用最小二乘法确定隐层和输出层之间的权值。在对非线性函数进行逼近的仿真中,验证了该算法的有效性。
关键词(KeyWords)： 减聚类算法;修剪技术;最小二乘法
基金项目(Foundation):
作者(Author): 刘晓刚;李玉景;代晓燕;矫媛;
Email:
DOI:
参考文献(References)：
- [1]赵志刚,单晓虹.一种基于遗传算法的RBF神经网络优化方法[J].计算机工程.2007,33(6):211-212.
- [2]赵温波,杨鹭怡,王立明.径向基概率神经网络的混合结构优化算法[J].系统仿真学报,2004,16(10):2175￣2180.
- [3]赵志刚,缪凯,吕慧显.RBF神经网络的混合结构优化算法[J].仪器仪表学报,2007,11(4):650-656.
- [4]王涛,冯焕清.一种改进的模糊聚类算法[J].电路与系统学报,1999,4(1):64-69.
- [5]赵志刚,万娇娜,New method for image edge detection based on gradient and zero crossing,仪器仪表学报,2006(08):821-824.
- [6]张顶学,关治洪,刘新芝.基于PSO的RBF神经网络学习算法及其应用[J]计算机工程与应用,2006,20(5):362-368.
- [7]赵志刚,管聪慧,基于多尺度边缘检测的自适应阈值小波图像降噪,仪器仪表学报,2007(02):288-292.