10.3969/j.issn.1000-3428.2010.23.053
基于时变RBF网络的非线性时变系统建模
在常规RBF神经网络中采用时变权值,将其应用于非线性时变系统的建模.采用减聚类算法确定网络隐含层神经元数与基函数中心参数,以迭代学习最小二乘算法修正神经网络时变权值,给出时变RBF网络的学习算法.分析表明,迭代学习最小二乘权值修正算法保证了网络时变权值的有界性,迭代误差收敛于零.仿真结果验证了该方法在非线性时变系统建模方面的有效性.
RBF网络、时变神经网络、减聚类算法、非线性时变系统
36
TP393(计算技术、计算机技术)
国家自然科学基金资助项目60474005,60774021,60874041
2011-03-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
162-164,167