共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
径向基函数网络泛化能力研究及其应用 总被引:2,自引:0,他引:2
通过分析径向基函数网络(RBF网络)结构及影响其泛化能力的因素,提出一种通过网络泛化误差自动调节隐层节点数以得到最佳节点数的方法。将采用这种算法的RBF网络用于对船舶焊接变形过程进行建模并预测其输出。仿真表明这种算法可以显著提高传统RBF网络的泛化能力。 相似文献
3.
4.
一种改进的RBF神经网络学习算法 总被引:30,自引:0,他引:30
提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性 相似文献
5.
结合小波网络良好的时频特性和RBF网络良好的局部特性,设计小波径向基函数网络(WRBF),该四层网络较三层小波网络和三层RBF网络有更优的特性。网络的第一隐层对输入样本进行小波映射,完成对输入信息的压缩,第二隐层实现径向基函数的非线性计算,克服了RBF网络在处理多维样本时神经元的中心点和宽度难以确定及网络结果往往较复杂的弱点。为实现对网络结构和参数的同时优化,提出用二进制一复数混合编码的自适应进化规划,利用双倍体基因拓展染色体的信息量,加快算法的收敛速度,实现全局优化。在算法研究的基础上,利用WRBF网络对混沌时间序列进行预测,验证了方法的有效性。 相似文献
6.
7.
8.
9.
基于聚类算法的神经模糊推理系统结构和参数的优化 总被引:12,自引:0,他引:12
根据社会网络与模糊逻辑系统的各自特性,在分析了扩展RBF网络与T-S型模糊逻辑系统功能等价性的基础之上,提出了扩展RBF网络与T-S型模糊逻辑系统相互融合的一种新的自适应模糊逻辑系统,考察了系统现有的结构和参数优化方法,提出了采用基于山峰函数的减法聚类算法与由梯度下降算法和最小二乘算法所组成的混合学习算法来对模糊推理系统进行训练,从而优化自适应模糊推理系统的结构和参数,最后,针对一非线性函数逼近问题进行了验证,仿真取得了很好的效果。系统的逼近精度和收敛速度获得了明显的提高,从而表明本文提出的算法是有效性和可行性。 相似文献
10.
一种新的RBF神经网络非线性动态系统建模方法 总被引:4,自引:0,他引:4
将遗传算法与正交优选法结合 ,用来训练径向基函数 ( RBF)神经网络 ,并对基函数宽度进行自动地调整 ,得到了一种训练 RBF神经网络的新方法 .将其应用于连续流体搅拌反应槽 ( CFSTR)生化反应器的建模中 ,得到了令人满意的结果 .该算法提高了径向基函数神经网络的泛化能力和鲁棒性 ,研究表明是一种有效的“黑箱”动态建模方法 相似文献
11.
Based on immune clustering and evolutionary programming(EP), a hybrid algorithm to train the RBF network is proposed. An immune fuzzy C-means clustering algorithm (IFCM) is used to adaptively specify the amount and initial positions of the RBF centers according to input data set; then the RBF network is trained with EP that tends to global optima. The application of the hybrid algorithm in multiuser detection problem demonstrates that the RBF network trained with the algorithm has simple network structure with good generalization ability. 相似文献
12.
基于OLS算法的RBF神经网络高速公路事件探测 总被引:2,自引:1,他引:1
高速公路事件是指破坏正常交通流并造成交通阻塞的非重现随机发生的事件。事件发生后对其进行快速可靠的探测对减少交通延误、保障道路安全、减少环境污染具有十分重要的意义。文中提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法。仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度,同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能。 相似文献
13.
It is known that centers, widths, and weights are three mainly considered factors in constructing a radial basis function (RBF) network. This paper aims at constructing a compact RBF network with two main steps. In the first step, the coarse clusters computed from triangle inequalities are refined to obtain the locations of centers by the defined maximum degree spanning tree (MDST). Meanwhile the coarse widths are obtained. In the second step, a learning algorithm referred to as anisotropic gradient descent method is presented to further refine the above coarse widths. Experiments of the proposed algorithm show its great performance in times series prediction and classification. 相似文献
14.
1.INTaODUCTIONThemultilayerfeedforwardneuralnetworks(MFNN)hasbeenwidelyappliedinmanyfieldssuchaspatternrecognition,nonlinearoptimization,systemidentificationandcontrol.Thesimpleback-propagation(BP)learningalgorithmisusuallyadoptedtoupdateitsweights.TheBPalgorithm,however,suffersdrawbacksofslowconvergenceandunpredictablesolutionsduringlearning.Althoughmailyapproachessuchasvariablestepsize,conjugategradient,pseudo-Newtonmethods[4]andothermethods[3,10],havebeendevelopedtoovercometheproble… 相似文献
15.
16.
MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究 总被引:1,自引:0,他引:1
提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验,并与GA-RBF和RBF辨识效果进行了对比,结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好,可以达到更优的辨识精度。最后,通过对火电厂的过热汽温动态特性的辨识实例,同样证明了MPSO-RBF方法具有更好的性能指标。 相似文献
17.
18.
为了提高径向基函数(radical basis function, RBF)神经网络对网络安全态势的预测精度,提出了一种基于吸引力传播(affinity propagation, AP)聚类和差分进化(differential evolution, DE)优化RBF神经网络的算法。首先,利用AP聚类算法对样本数据进行划分聚类,从而获得RBF的中心和网络的隐含层节点数;其次,利用AP聚类得出种群差异度,自适应地改变DE算法的缩放因子和交叉概率,对RBF的宽度和连接权值进行优化;同时为了避免陷入局部最优以及跳出局部极值点,对每一代种群的精英个体和种群差异度中心进行混沌搜索。通过仿真实验表明,此算法在泛化能力增强的同时,对网络安全态势也达到了较高的预测精度。 相似文献
19.
V. David Sanchez A. 《系统工程与电子技术(英文版)》1996,(3)
InvestigatingtheSynthesisofRBFNetworks¥V.DavidSanchezA.(GermanAerospaceResearchEstablishment,DLROberpfaffenhofenInstituteforR... 相似文献
20.
提出一种基于多Agent粒子群优化支持向量回归机(support vector regression, SVR)参数的优化算法,并利用该算法建立多步预测控制模型,对非线性系统进行预测控制。通过预测控制的机理推导出满足滚动优化目标函数的多步预测输出的控制律。将该模型与基于遗传算法优化的RBF神经网络预测控制器、基于粒子群优化的多步SVR模型预测控制器和基于遗传算法优化的多步SVR模型预测控制器进行比较分析,仿真结果表明该预测控制模型优于其他控制器,具有良好的预测性能,可有效的对非线性系统进行预测控制。 相似文献