径向基函数神经网络的一种两级学习方法

摘要：

建立RBF(radial basis function)神经网络模型关键在于确定网络隐中心向量、基宽度参数和隐节点数.为设计结构简单,且具有良好泛化性能径向基网络结构,本文提出了一种RBF网络的两级学习新设计方法.该方法在下级由正则化正交最小二乘法与D-最优试验设计结合算法自动构建结构节俭的RBF网络模型;在上级通过粒子群优化算法优选结合算法中影响网络泛化性能的3个学习参数,即基宽度参数、正则化系数和D-最优代价系数的最佳参数组合.仿真实例表明了该方法的有效性.

关键词：径向基网络、两级学习、建模、泛化能力

所属期刊栏目：25

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60474069

在线出版日期：2008-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：655-660