基于灰狼优化算法的RBF神经网络  

作　　者：张小青[1] 吴继侠[1] 唐榕蔚 ZHANG Xiaoqing;WU Jixia;TANG Rongwei

机构地区：[1]咸阳师范学院物理与电子工程学院,陕西咸阳712000 [2]湖南财经工业职业技术学院,湖南衡阳421000

出　　处：《信息技术与信息化》2021年第9期26-28,共3页Information Technology and Informatization

基　　金：陕西省高等教育科学研究项目(XGH19173);咸阳师范学院教育教学改革研究资助项目(2019Z001);咸阳师范学院科研专项基金项目(13XSYK015);陕西省教育厅科研计划项目(20JK0972)。

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 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]