RBF神经网络的混合学习算法  

Hybrid learning algorithm for RBF Neural Network

作　　者：苏小红[1] 侯秋香[1] 马培军[1] 王亚东[1] 

机构地区：[1]哈尔滨工业大学计算机科学与技术学院,哈尔滨150001

出　　处：《哈尔滨工业大学学报》2006年第9期1446-1449,共4页Journal of Harbin Institute of Technology

基　　金：国家自然科学基金资助项目(60273083)

摘　　要：针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.A hybrid learning algorithm for the radial basis function neural network based on Nearest Neighbor - Clustering Algorithm （NNCA） centers - selected and gradient descent training, is proposed to solve the lower accuracy problem of NNCA and the slow training speed problem of gradient descent method with an unreasonable centers. This algorithm solves the center - determination problem of the radial basis function neural network and it is efficient in improving the accuracy and the learning speed of the neural network. The simulation results show that it works well in nonlinear system identification and function simulation application.

关 键 词：RBF神经网络 最近邻聚类学习算法 径向基函数 梯度下降法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]