一种改进的RAN学习算法

• 作者: 李彬
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: RAN学习算法 径向基函数 隐层神经元 Givens-QR分解 删除策略
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 220-226
• 页数: 7页
• 分类号: TP183
• 字数: 5896字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2006.02.016

摘要

提出一种资源分配网络(Resource Allocating Network,RAN)的新的学习算法,称为IRAN算法.该算法通过一个包含4部分的新颖性准则来增加网络中的隐层神经元,通过误差下降速率来删除冗余神经元并采用基于Givens-QR分解的递归最小二乘算法进行输出层权值的更新.通过函数逼近领域中2个Benchmark问题的仿真结果表明,与RAN,RANEKF,MRAN算法相比,IRAN算法不但学习速度快,而且可以得到更为精简的网络结构.