基于群体划分优化的GAP-RBF神经网络学习算法

发布时间：2017-07-08 14:18

  本文关键词：基于群体划分优化的GAP-RBF神经网络学习算法

  更多相关文章： 径向基函数神经网络 增长剪枝径向基函数算法 粒子群优化算法 遗传算法

【摘要】：针对传统GAP-RBF算法学习精度不够高的问题,提出一种基于群体划分优化的GAP-RBF网络学习方法。首先,为了克服传统GAP-RBF中存在的大型矩阵的计算问题,用DEKF(Decoupled EKF)方法调整网络参数;其次,为了获得学习精度更高的网络模型,算法利用基于PSO和GA的群体划分优化方法来训练隐含层和输出层的连接权值以及偏移项。实验结果表明,与RAN、RANEKF、MRAN和GAP-RBF算法相比,提出的算法可获得更精简的网络结构,同时提高了学习精度。
【作者单位】： 江南大学物联网工程学院;
【关键词】： 径向基函数神经网络 增长剪枝径向基函数算法 粒子群优化算法 遗传算法
【基金】：物联网技术应用教育部工程研究中心,中央高校基本科研业务费专项资金项目(JUSRP51510)
【分类号】：TP18
【正文快照】： 0引言 近年来,随着人工智能、机器学习、数据挖掘等方面的发展,神经网络的研究受到了学者们的广泛关注。在众多的神经网络模型中,径向基函数RBF神经网络能够解决复杂非线性问题,在模式识别、回归分析和动态建模等领域得到了广泛的应用[1-4],并且具有推广能力好,学习方法速度

【相似文献】

中国硕士学位论文全文数据库 前1条

1 王藤藤;基于社团发现的微博群体划分与特征提取[D];北京邮电大学;2015年

，

本文编号：534922