基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文改进了递归正交最小二乘(ROLS)算法的停止条件,并用改进的ROLS算法优选RBF神经网络中隐单元的个数;借用细菌群体趋药性(bacterial colony chemotaxis,BCC)算法的思想来确定RBF神经网络隐层神经元的控制参数;把改进的ROLS算法和BCC算法相结合(ROLS-BCC算法),来全结构优化RBF神经网络,使RBF网络不但可以得到合适的结构,同时也可以得到合适的控制参数.实验结果表明,本文算法的优化效率高,优化后RBFNN的结构小,并且提高了RBFNN的泛化能力.
推荐文章
结构优化的RBF神经网络学习算法
径向基函数神经网络
隐单元个数
删减
基于改进差分进化算法的RBF神经网络优化方法
改进差分进化算法
径向基函数神经网络
非线性系统逼近
基于遗传算法的RBF神经网络中心值优化研究
RBF神经网络
遗传算法
中心值
一种用于RBF神经网络的支持向量机与BP的混合学习算法
机器学习
支持向量机
神经网络
BP算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 RBF神经网络的混合结构优化算法
来源期刊 仪器仪表学报 学科 工学
关键词 RBF神经网络 细菌群体趋药性算法 ROLS算法
年,卷(期) 2007,(4) 所属期刊栏目 学术论文
研究方向 页码范围 650-656
页数 7页 分类号 TP183
字数 5911字 语种 中文
DOI 10.3321/j.issn:0254-3087.2007.04.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吕慧显 青岛大学自动化工程学院 39 194 8.0 12.0
2 赵志刚 青岛大学信息工程学院 66 495 13.0 19.0
3 缪凯 青岛大学信息工程学院 3 41 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (73)
参考文献  (4)
节点文献
引证文献  (30)
同被引文献  (24)
二级引证文献  (17)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(3)
  • 参考文献(0)
  • 二级参考文献(3)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(8)
  • 引证文献(6)
  • 二级引证文献(2)
2010(4)
  • 引证文献(2)
  • 二级引证文献(2)
2011(5)
  • 引证文献(3)
  • 二级引证文献(2)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(5)
  • 引证文献(3)
  • 二级引证文献(2)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
RBF神经网络
细菌群体趋药性算法
ROLS算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
仪器仪表学报
月刊
0254-3087
11-2179/TH
大16开
北京市东城区北河沿大街79号
2-369
1980
chi
出版文献量(篇)
12507
总下载数(次)
27
总被引数(次)
146776
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导