改进的GGAP-RBF算法及其在函数逼近中的应用

摘要：

在GGAP-RBF算法的基础上,提出RBF神经网络的一种改进算法,结合网络中隐层神经元径向基函数的宽度自适应调整算法和重合度阈值的动态调整方法.通过函数逼近领域中的3个Benchmark问题,改进算法与RAN、RANEKF、MRAN、IRAN和GGAP-RBF(GAP-RBF)算法做比较.仿真结果表明在需要较少隐层神经元和训练时间前提下,改进算法训练的网络有较好的泛化能力.

关键词：径向基函数(RBF)神经网络、广义增长剪枝径向基函数(GGAP-RBF)算法、Benohmark问题、删除策略

所属期刊栏目：20

分类号：TP183(自动化基础理论)

在线出版日期：2009-08-19（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：230-235