权值与结构双确定法的RBF神经网络分类器  

RBF Neural Network Classifier with Weights and Structure Determination Method

作　　者：张雨浓[1] 王茹[1] 廖柏林[1,2] 刘锦荣[1] 林键煜 

机构地区：[1]中山大学信息科学与技术学院,广东广州510006 [2]吉首大学信息科学与工程学院,湖南吉首416000

出　　处：《计算技术与自动化》2014年第3期1-7,共7页Computing Technology and Automation

基　　金：国家自然科学基金项目(61075121和60935001);教育部高等学校博士学科点专项科研基金博导类课题(20100171110045)

摘　　要：为了解决径向基函数(RBF)神经网络权值与结构难以确定的问题,基于权值直接确定法,及隐层神经元中心、方差、数目与神经网络性能的关系,提出一种边增边删型的网络权值与结构双确定法。在此方法基础之上,构建一种RBF神经网络分类器并探讨其分类性能和抗噪能力。计算机数值实验结果验证所提出的边增边删型的权值与结构双确定法能够快速、有效地确定网络的中心、方差和网络最优的权值与结构,所构造的模式分类器具有优越的分类性能和抗噪能力。In order to solve the difficulties in determining the weights and structure of the radial basis function （RBF） neural network.Based on the weights-direct-determination （WDD）method and the relationship among centers,variances, the number of hidden-layer neurons and the performance of the neural network,a pruning-while-growing-type weights-and-structure-determination （PWGT-WASD）algorithm is proposed.On the basis of the PWGT-WASD algorithm,a kind of RBF neural network classifier is constructed,and its classifying and antinoise ability is further discussed in this paper.Com-puter numerical experiment results substantiate that the proposed PWGT-WASD algorithm can determine the centers,the va-riances and the optimal weights and structure of RBF neural network quickly and effectively.The constructed RBF pattern classifier has the superiority in terms of classification and antinoise ability.

关 键 词：RBF神经网络 模式分类器 边增边删型 权值与结构双确定法 抗噪性 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]