改进的RBFNN学习算法及其应用  

Improved Learning Algorithm of RBFNN and Its Application

作　　者：潘湘岳[1] 宋建社[1] 

机构地区：[1]西安高技术研究所,陕西西安710025

出　　处：《微计算机信息》2009年第15期267-268,共2页Control & Automation

基　　金：基金申请人:宋建社;项目名称:SAR图像自动识别与三维成像技术研究;基金颁发部门:国家自然科学基金(60272022)

摘　　要：RBFNN(radial basis function neural networks)的参数确定得是否合理将直接影响RBFNN的学习性能。通过正交最小二乘算法选择RBFNN的中心由于容易实现而得到广泛的应用,但是正交最小二乘算法并没有对中心宽度的选择作出分析。文章借助正交最小二乘算法确定隐节点中心的位置,并采用类内样本分散度和类间距离共同确定宽度。仿真结果表明本文算法能够达到优化RBFNN参数的目的。Whether the parameters of radial basis function neural networks（RBFNN） are determined reasonably or not will directly influence approximation capability of RBFNN. The orthogonal least squares （OLS） algorithm is used abroad to select the centers of RBFNN because it can be easily relized, but it don＇t analyse the corresponding width of the centers.In this paper, we calculate the number of the hidden centers using the the OLS algorithm and the widthes automatically, with the help of within-class disperse degree and within-class distance . The emulated results show that the learning algorithm could optimize the parameters of RBFNN.

关 键 词：正交最小二乘 径向基神经网络 目标识别 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]