基于参数优化的RBF神经网络结构设计算法

摘要：

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.

关键词：径向基函数、神经网络、K-means++算法、核函数、数据密度估计

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目;"十三五"国家重点研发计划项目

在线出版日期：2020-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：176-181,187