RBF网络的微分进化正交最小二乘算法  

Differential Evolution Orthogonal Least Square(DEOLS) algorithm for RBF network

作　　者：苏美娟[1] 邓伟[1] 

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006

出　　处：《计算机工程与应用》2007年第35期46-48,共3页Computer Engineering and Applications

基　　金：国家自然科学基金( the National Natural Science Foundation of China under Grant No.60572074)

摘　　要：研究用于径向基函数(RBF)网络训练的一种微分进化正交最小二乘(DEOLS)算法。把微分进化(DE)算法的种群作为正交最小二乘(OLS)算法的候选径向基函数集合,利用OLS对DE的种群个体进行评断,以确定RBF网络的隐结点的数目、中心和宽度。该算法融合了DE的强大搜索能力和OLS的高效评断能力,隐结点的选择比OLS要合理,同时避免DE的复杂性。最后使用实验验证了该算法的优越性。Differential Evolution Orthogonal Least Square （DEOLS） algorithm for RBF network is presented,a hybrid algorithm blending Orthogonal Least Squares （OLS） method with Differential Evolution （DE） algorithm.The population of the DE algorithm, encoding the center and width of RBF hidden node,corresponds to the set of candidate RBFs of OLS,while DE exploits OLS to evaluate each individual of the population.This algorithm compromises the strong search power of DE and the efficient evaluation ability of OLS,selecting hidden nodes more rationally than OLS,without incurring the computational cost of DE.At last,experiments are used to demonstrate the effectiveness of this algorithm.

关 键 词：RBF神经网络 正交最小二乘方法 微分进化算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]