改进的RBF神经网络在非线性系统中的应用

• 作者: 储岳中
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: RBF神经网络 减聚类算法 最近邻聚类算法 系统辨识 钢包精炼炉
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 应用开发研究
• 页码范围: 196-199
• 页数: 4页
• 分类号: TP183
• 字数: 3642字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2008.03.055

摘要

在RBF神经网络的各种学习算法中,最近邻聚类算法学习时间短、计算量小,不需要事先确定隐单元的个数,完成聚类所得到的网络是最优的,并且可以在线学习,是一种自适应聚类学习算法,非常适合非线性实时系统的应用.但常规最近邻聚类算法在实时性要求较高的系统预测中学习时间相对较长.针对这一问题,提出了系统离线学习时采用减聚类算法,在线学习时采用改进的最近邻聚类算法,并变步长修正聚类半径和限制学习样本数.在函数拟合实验中,这种改进算法明显缩短了RBF神经网络的学习时间,在钢包精炼炉电极系统的在线辨识中的成功应用进一步表明对最近邻聚类算法的改进是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	储岳中	安徽工业大学计算机学院	28	310	10.0	17.0