基于单形进化的径向基网络训练算法

发布时间：2021-04-10 15:04

　　在引入智能优化算法的径向基神经网络训练算法中,智能优化算法的控制参数对该算法的学习性能影响很大.为此,提出了一种基于单形进化的径向基神经网络训练算法.该算法基于单形邻域的全随机搜索方法减少算法控制参数,借助群体的多角色态保持粒子的多样性,避免算法陷入局部极值点.仿真结果表明:相比于其他算法,该算法训练的径向基神经网络不仅有效提高了识别率,而且减少了控制参数对学习性能的影响,提高了算法的普适性与鲁棒性. 

【文章来源】：应用科学学报. 2019,37(04)北大核心CSCD

【文章页数】：10 页

【文章目录】：
1 RBF神经网络
2 基于单形进化的RBF神经网络算法
    2.1 单形进化智能优化算法
    2.2 基于单形进化的RBF神经网络学习算法
3 基于单形进化的RBF神经网络的仿真实验
    3.1 仿真数据来源
        3.1.1 手写体MNIST数据库
        3.1.2 UCI数据库中的Wine数据
    3.2 仿真步骤
    3.3 仿真结果
        3.3.1 手写体MNIST数据库
        3.3.2 UCI数据库中的Wine数据
4 结语


【参考文献】：
期刊论文
[1]基于量子门组的卷积神经网络设计与实现[J]. 许兴阳,刘宏志.  计算机工程与应用. 2018(20)
[2]基于卷积神经网络的手写体数字识别系统[J]. 陈岩,李洋洋,余乐,王瑶,吴超,李阳光.  微电子学与计算机. 2018(02)
[3]A Surface-Simplex Swarm Evolution Algorithm[J]. QUAN Haiyan,SHI Xinling.  Wuhan University Journal of Natural Sciences. 2017(01)
[4]基于改进自适应聚类算法的RBF神经网络分类器设计与实现[J]. 郝晓丽,张靖.  计算机科学. 2014(06)
[5]基于统计和结构特征的手写数字识别研究[J]. 双小川,张克.  计算机工程与设计. 2012(04)
[6]基于多小波神经网络簇轮廓伸展的手写体数字识别[J]. 黄同成,丁友东.  中南大学学报(自然科学版). 2006(02)



本文编号：3129854