RBF神经网络的结构动态优化设计
针对径向基函数(Radial basis function,RBF)神经网络的结构设计问题,提出一种结构动态优化设计方法.利用敏感度法(Sensitivity analysis,SA)分析隐含层神经元的输出加权值对神经网络输出的影响,以此判断增加或删除RBF神经网络隐含层中的神经元,解决了RBF神经网络结构过大或过小的问题,并给出了神经网络结构动态变化过程中收敛性证明;利用梯度下降的参数修正算法保证了最终RBF网络的精度,实现了神经网络的结构和参数自校正.通过对非线性函数的逼近与污水处理过程中关键参数的建模结果,证明了该动态RBF具有良好的自适应能力和逼近能力,尤其是在泛化能力、最终网络结构等方面较之最小资源神经网络(Minimal resource allocation networks,MRAN)与增长和修剪RBF神经网络(Generalized growing and pruning radial basis function,GGAP-RBF)有较大提高.
径向基函数神经网络、动态设计、动态结构RBF、化学需氧量建模
36
TP2(自动化技术及设备)
国家高技术研究发展计划863计划2007AA04Z160;2009AA04Z155;国家自然科学基金60674066;60873043;教育部博士点基金200800050004;北京市自然学基金4092010
2010-11-19(万方平台首次上网日期,不代表论文的发表时间)
865-872