基于RBFLN网络的改进RBF神经网络学习算法

• 作者: 穆云峰 韩敏
• 来源期刊: 系统工程学报
• 学科: 工学
• 关键词: 径向基链网络 资源分配网络 最大误差样本 相似度 材料成分
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 764-768
• 页数: 5页
• 分类号: TP183
• 字数: 4193字
• 语种: 中文

摘要

提出了一种基于径向基链网络(RBFLN)的改进径向基函数(RBF)网络学习算法.网络结构采用RB-FLN模型,添加输入层对输出层的线性映射,在训练过程中基于最大误差学习样本对资源分配网络(RAN)新性条件进行改动,在不满足新性条件时,采用相似度参数对隐层中心和宽度进行调整;而满足新性条件时,对新增隐层节点也通过类均值的方法做出相应的改进.最后通过对无机建筑材料成分分析的仿真表明该算法可有效地简化网络结构,实现样本正确分类,并获得较好的校验能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩敏	大连理工大学电子与信息工程学院	200	2311	23.0	33.0
2	穆云峰	大连理工大学电子与信息工程学院	3	12	2.0	3.0