基于RBFLN网络的改进RBF神经网络学习算法

摘要：

提出了一种基于径向基链网络(RBFLN)的改进径向基函数(RBF)网络学习算法.网络结构采用RB-FLN模型,添加输入层对输出层的线性映射,在训练过程中基于最大误差学习样本对资源分配网络(RAN)新性条件进行改动,在不满足新性条件时,采用相似度参数对隐层中心和宽度进行调整;而满足新性条件时,对新增隐层节点也通过类均值的方法做出相应的改进.最后通过对无机建筑材料成分分析的仿真表明该算法可有效地简化网络结构,实现样本正确分类,并获得较好的校验能力.

关键词：径向基链网络、资源分配网络、最大误差样本、相似度、材料成分

所属期刊栏目：23

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60674073;国家科技支撑计划资助项目2006BAB14805;国家重点基础研究发展计划973资助项目2006CIM03405

在线出版日期：2009-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：764-768