径向基函数神经网络的一种两级学习方法
陈俊风1
任子武2
伞冶2
1.浙江大学控制科学与工程学系,浙江,杭州,310027;河海大学计算机及信息工程学院,江苏,常州,2130222.哈尔滨工业大学控制与仿真中心,黑龙江,哈尔滨,150001
摘要：建立RBF(radial basis function)神经网络模型关键在于确定网络隐中心向量、基宽度参数和隐节点数.为设计结构简单,且具有良好泛化性能径向基网络结构,本文提出了一种RBF网络的两级学习新设计方法.该方法在下级由正则化正交最小二乘法与D-最优试验设计结合算法自动构建结构节俭的RBF网络模型;在上级通过粒子群优化算法优选结合算法中影响网络泛化性能的3个学习参数,即基宽度参数、正则化系数和D-最优代价系数的最佳参数组合.仿真实例表明了该方法的有效性.
关键词：径向基网络两级学习建模泛化能力
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(60474069)
论文发表日期：2008-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 655-660 )
英文信息