基于信息强度的RBF神经网络结构设计研究

摘要：

在系统研究前馈神经网络的基础上,针对径向基函数(Radial basis function,RBF)网络的结构设计问题,提出一种弹性RBF神经网络结构优化设计方法.利用隐含层神经元的输出信息(Output-information,OI)以及隐含层神经元与输出层神经元间的交互信息(Multi-information,MI)分析网络的连接强度,以此判断增加或删除RBF神经网络隐含层神经元,同时调整神经网络的拓扑结构,有效地解决了 RBF神经网络结构设计问题；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.通过对典型非线性函数的逼近与污水处理过程关键水质参数建模,结果证明了该弹性RBF具有良好的动态特征响应能力和逼近能力,尤其是在训练速度、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 net works,MRAN)、增长修剪RBF神经网络(Generalized growing and pruning RBF,GGAP-RBF)和自组织RBF神经网络(Self-organizing RBF,SORBF)有较大的提高.

关键词：弹性RBF神经网络、结构设计、非线性系统、动态特征响应

所属期刊栏目：38

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61034008;北京市自然科学基金4122006;北京市创新人才建设计划PHR201006103;北京市教育委员会科技发展计划KZ201010005005

在线出版日期：2012-11-01（万方平台首次上网日期，不代表论文的发表时间）

页码：1083-1090