FKCN优化的RBF神经网络

摘要：

FKCN(Fuzzy Kohonen cluster network)将模糊隶属度的概念用于Kohonen神经网络的学习和更新策略中,改善了Kohonen网络的性能,是一种更为快速有效的聚类网络.作者将FKCN用于优化RBF(Radial basic function)神经网络基函数的中心,并将优化后的RBF网络用于曲线拟合和非线性时间序列预测,同时与基于C-MEANS的RBF网络进行比较.实验结果表明:采用FKCN优化的RBF网络具有更好的拟合和预测能力,尤其在曲线拟合实验中,FKCN优化的RBF网络可以达到最小学习误差,比C-MEANS的网络小一个数量级,可见用FKCN优化RBF神经网络可以较好地提高RBF神经网络的性能.

关键词：神经网络、优化、函数逼近、非线性时间序列预测

所属期刊栏目：14

分类号：TP18(自动化基础理论)

资助基金：安徽省教育厅科研项目

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：420-423