FKCN优化的RBF神经网络

• 作者: 傅忠谦 吴耿峰 周佩玲 彭虎 王上飞
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 神经网络 优化 函数逼近 非线性时间序列预测
• 年，卷（期）: 1999,（4）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 420-423
• 页数: 4页
• 分类号: TP18
• 字数: 2855字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.1999.04.004

摘要

FKCN(Fuzzy Kohonen cluster network)将模糊隶属度的概念用于Kohonen神经网络的学习和更新策略中,改善了Kohonen网络的性能,是一种更为快速有效的聚类网络.作者将FKCN用于优化RBF(Radial basic function)神经网络基函数的中心,并将优化后的RBF网络用于曲线拟合和非线性时间序列预测,同时与基于C-MEANS的RBF网络进行比较.实验结果表明:采用FKCN优化的RBF网络具有更好的拟合和预测能力,尤其在曲线拟合实验中,FKCN优化的RBF网络可以达到最小学习误差,比C-MEANS的网络小一个数量级,可见用FKCN优化RBF神经网络可以较好地提高RBF神经网络的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭虎	中国科学技术大学电子科学与技术系	55	431	12.0	18.0
2	傅忠谦	中国科学技术大学电子科学与技术系	64	706	12.0	25.0
3	周佩玲	中国科学技术大学电子科学与技术系	38	797	14.0	27.0
4	吴耿峰	上海大学计算机工程与科学学院	4	15	3.0	3.0
5	王上飞	中国科学技术大学电子科学与技术系	23	377	11.0	19.0