10.3969/j.issn.1007-130X.2019.05.021
基于改进遗传算法的RBF神经网络结构优化研究
针对RBF神经网络隐含层节点数过多导致网络结构复杂的问题,提出了一种基于改进遗传算法(IGA)的RBF神经网络优化算法.利用IGA优化基于正交最小二乘法的RBF神经网络结构,通过对隐含层输出矩阵的列向量进行全局寻优,从而设计出结构更优的基于IGA的RBF神经网络(IGA-RBF).将IGA-RBF神经网络的学习算法应用于电子元器件贮存环境温湿度预测模型,与基于正交最小二乘法的RBF神经网络进行比较的结果表明:IGA-RBF神经网络设计出来的网络训练步数减少了44步,隐含层节点数减少了34个,且预测模型得到的温湿度误差较小,拟合精度大于0.95,具有更高的预测精度.
改进遗传算法、RBF神经网络、结构优化、环境预测
41
TP183(自动化基础理论)
国家自然科学基金61701044;陕西省自然科学基础研究计划2018JQ6056,2018XNCG-G-01;中央高校教育教学改革专项经费300103190537,300104283215
2019-06-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
917-923