具有多类型激活函数的RBF网络设计
提出多类型激活函数的径向基网络结构设计方式,网络隐层由薄板样条函数节点和高斯函数节点构成,分别采用改进的粒子群算法和前向局部优化算法对两种类型节点的参数进行学习.改进的粒子群算法综合运用粒子运动过程的启发式信息和样本的梯度信息进行种群迭代,减小了陷入局部极值的概率.前向局部优化算法是一种高斯节点的序贯学习算法,算法采用DFP方法对新增高斯节点的参数进行局部优化,提高了网络的逼近性能.通过解析和工程算例验证了多类型激活函数RBF网络的高拟合能力及其学习算法的有效性.
径向基神经网络、多类型激活函数、逼近能力、改进粒子群算法、前向局部优化算法
31
TP393(计算技术、计算机技术)
2011-03-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
2272-2277