改进的GGAP-RBF算法及其在函数逼近中的应用

• 作者: 李彬 赖晓平
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 径向基函数(RBF)神经网络 广义增长剪枝径向基函数(GGAP-RBF)算法 Benohmark问题 删除策略
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 230-235
• 页数: 6页
• 分类号: TP183
• 字数: 4786字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2007.02.015

摘要

在GGAP-RBF算法的基础上,提出RBF神经网络的一种改进算法,结合网络中隐层神经元径向基函数的宽度自适应调整算法和重合度阈值的动态调整方法.通过函数逼近领域中的3个Benchmark问题,改进算法与RAN、RANEKF、MRAN、IRAN和GGAP-RBF(GAP-RBF)算法做比较.仿真结果表明在需要较少隐层神经元和训练时间前提下,改进算法训练的网络有较好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李彬	山东轻工业学院数理学院	6	87	4.0	6.0