徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學習算法研究.pdf

1、徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)以其深厚的生理學基礎(chǔ)、簡單的網(wǎng)絡(luò)結(jié)構(gòu)、快速的學習能力、優(yōu)良的逼近性能，在函數(shù)近似、模式識別、信號處理、系統(tǒng)辨識等領(lǐng)域取得了廣泛的運用，目前仍然是神經(jīng)網(wǎng)絡(luò)研究的重要內(nèi)容。隱節(jié)點中心的選取是RBF網(wǎng)絡(luò)學習要解決的主要問題；而訓練數(shù)據(jù)中離群點的存在，將影響RBF網(wǎng)絡(luò)的性能。本文對RBF網(wǎng)絡(luò)現(xiàn)有學習算法進行了研究，并提出了解決以上問題的相應(yīng)方法，取得了以下結(jié)果： (1)分析了RBF網(wǎng)絡(luò)現(xiàn)有學習算法在隱節(jié)點中心

2、選取，寬度確定和權(quán)值優(yōu)化等方面的優(yōu)缺點： (2)把微分進化和正交最小二乘算法相結(jié)合，提出RBF網(wǎng)絡(luò)的微分進化正交最小二乘學習算法，使得網(wǎng)絡(luò)的中心選擇更加合理，從而提高了網(wǎng)絡(luò)的泛化能力； (3)把減聚類方法和定標魯棒代價函數(shù)相結(jié)合，提出RBF網(wǎng)絡(luò)快速魯棒學習算法，增強了網(wǎng)絡(luò)對離群點的魯棒性，同時縮短了網(wǎng)絡(luò)的訓練時間； (4)分別用微分進化正交最小二乘學習算法和快速魯棒學習算法訓練RBF網(wǎng)絡(luò)，將訓練后的網(wǎng)絡(luò)應(yīng)用于函數(shù)