基于相对贡献指标的自组织RBF神经网络的设计
针对RBF(radial basis function)神经网络的结构和参数设计问题,本文提出了一种基于相对贡献指标的自组织RBF神经网络的设计方法.首先,提出一种基于相对贡献指标(relative contribution,RC)的网络结构设计方法,利用隐含层输出对网络输出的相对贡献来判断是否增加或删减RBF网络相应的隐含层节点,并且对神经网络结构调整过程的收敛性进行证明.其次,采用改进的LM (Levenberg-Marquardt algorithm)算法对调整后的网络参数进行更新,使网络具有较少的训练时间和较快的收敛速度.最后,对提出的设计方法进行非线性函数仿真和污水处理出水参数氨氮建模,仿真结果表明,RBF神经网络能够根据研究对象自适应地动态调整RBF结构和参数,具有较好的逼近能力和更高的预测精度.
RBF神经网络、相对贡献指标、改进的LM算法、结构设计、出水氨氮、收敛速度、预测精度
13
TP183(自动化基础理论)
国家自然科学基金重点项目61533002,61225016;北京市教育委员会科研计划项目km201410005002;高等学校博士学科点基金项目20131103110016
2018-04-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
159-167