基于灰狼优化算法的RBF神经网络
张小青1
吴继侠1
唐榕蔚2
1.咸阳师范学院物理与电子工程学院 陕西咸阳 7120002.湖南财经工业职业技术学院 湖南衡阳 421000
摘要：在径向基函数(radial basis function,RBF)网络结构基础上,以三个参数的组合作为灰狼的位置矢量,选择平均平方误差的一半作为优化目标函数.将基于灰狼优化算法(grey wolf optimizer,GWO)的RBF网络命名为RBF-GWO网络.以网络实际输出与期望输出之间的差值作为更新灰狼位置矢量的依据,每次迭代最优参数值均保存在α灰狼位置参数中并返回,直至迭代结束从而完成参数训练.为了验证RBF-GWO网络的有效性,进行了数据分类与连续函数逼近实验.通过实验不仅证明了RBF-GWO网络的有效性,还发现基于WGWO的RBF-GWO网络在所有实验中具有相对更强的自适应能力.
关键词：灰狼优化算法神经网络应用分类逼近训练
资助基金：陕西省高等教育科学研究项目(XGH19173)教学改革研究项目(2019Z001)咸阳师范学院科研专项(13XSYK015)教育厅科学研究项目(20JK0972)
论文发表日期：2021-09-28
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：3( 26-28 )