基于粒子群与梯度下降的混合RBF训练算法
徐明1
陈豪2
1.福州大学电气工程与自动化学院 福建福州 3501082.中国科学院海西研究院 福建福州 350108
摘要：基于梯度下降法的RBF网络训练算法收敛速度较慢、易陷入局部最优,并且算法性能受初始值的影响较大.基于粒子群的RBF网络训练算法能够克服梯度下降法易陷入局部最优的缺点,但局部寻优能力不如梯度下降法.分析两种算法的优缺点,提出一种粒子群算法与梯度下降法结合的组合训练方法并用于RBF神经网络的训练.通过实验证明所提出的组合算法相较于梯度下降或粒子群优化算法有着更优的收敛速度与收敛精度.
关键词：径向基函数神经网络粒子群优化算法梯度下降算法
资助基金：福建省科技创新平台项目(2018H2001)泉州市科技计划(2019STS003)
论文发表日期：2021-05-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 34-36,40 )