基于在线减法聚类的RBF神经网络结构设计
来源期刊:控制与决策2012年第7期
论文作者:张昭昭 乔俊飞
文章页码:997 - 1002
关键词:RBF神经网络;结构设计;在线减法聚类;
摘 要:以设计最小径向基函数(RBF)神经网络结构为着眼点,提出一种在线RBF网络结构设计算法.该算法将在线减法聚类能实时跟踪工况的特性与RBF网络参数学习过程相结合,使得网络既能在线适应实时对象的变化又能维持紧凑的结构,有效地解决了RBF神经网络结构自组织问题.该算法只调整欧氏距离距实时工况最近的核函数,大大提高了网络的学习速度.通过对典型非线性函数逼近和混沌时间序列预测的仿真,表明所提出的算法具有良好的动态特性响应能力和逼近能力.
张昭昭1,2,乔俊飞1
1. 北京工业大学电子信息与控制工程学院2. 辽宁工程技术大学电子与信息工程学院
摘 要:以设计最小径向基函数(RBF)神经网络结构为着眼点,提出一种在线RBF网络结构设计算法.该算法将在线减法聚类能实时跟踪工况的特性与RBF网络参数学习过程相结合,使得网络既能在线适应实时对象的变化又能维持紧凑的结构,有效地解决了RBF神经网络结构自组织问题.该算法只调整欧氏距离距实时工况最近的核函数,大大提高了网络的学习速度.通过对典型非线性函数逼近和混沌时间序列预测的仿真,表明所提出的算法具有良好的动态特性响应能力和逼近能力.
关键词:RBF神经网络;结构设计;在线减法聚类;