进化编程优化RBF神经网络的结构和参数

摘要：

本文利用进化编程(EP)来同时进化径向基函数神经网络(RBFNN)的结构和参数.与其它进化神经网络方法有以下四个方面的不同:(1)EP是基于拉马克的进化学说,强调父代与子代之间的行为联接;(2)进化算子中仅有突变,而没有交叉,以消除互换问题;(3)突变操作中,删除总是先于添加进行,以获得最简的网络结构;(4)利用测试样本集构造适应度函数,以提高网络的泛化能力.用进化RBFNN来预测Mackey-Glass时间序列的实验结果表明了该方法的有效性.

关键词：进化编程、径向基函数神经网络、K均值聚类法:泛化能力

所属期刊栏目：21

分类号：TP183(自动化基础理论)

资助基金：中国科学院资助项目69874016

在线出版日期：2006-02-16（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：1182-1185