一种优化的RBF神经网络在调制识别中的应用
提出了一种基于径向基函数(RBF)神经网络的通信信号调制识别方法,该方法采用模糊C-均值(FCM)聚类算法对数据进行聚类,并获取基函数的参数,采用梯度下降法训练网络权值.利用最优停止法对网络进行了优化,避免了过学习现象,提高了RBF网络的训练速度和泛化能力,以实际信号数据对该网络进行性能检验,实验结果表明了该RBF网络具有较高的识别精度.
调制识别、径向基函数神经网络、模糊C-均值聚类算法、最优停止法
33
TP391(计算技术、计算机技术)
2007-07-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
652-654