RBF神经网络参数估计的两种混合优化算法

• 作者: 彭晓燕 彭辉 甘敏
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: RBF神经网络 参数估计 混合优化方法
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 论文与报告
• 页码范围: 1172-1176
• 页数: 5页
• 分类号: TP18
• 字数: 4016字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.08.010

摘要

基于全局搜索的进化算法和一种局部搜索算法--结构化的非线性参数优化方法(SNPOM),提出两种混合的优化算法来估计RBF神经网络中的参数:1)初始化一定数目的种群作为SNPOM的初始值得到其适应值,通过选择、交叉和替换策略来更新种群;2)采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用SNPOM来优化.这两种混合优化算法的本质是用进化算法为SNPOM搜寻最优初始值,以得到全局最优解.仿真实验结果表明,该混合算法比单独使用进化算法或SNPOM更优,且优于其他一些算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘敏	中南大学信息科学与工程学院	51	432	13.0	19.0
2	彭晓燕	湖南大学机械与汽车工程学院	27	274	9.0	16.0
3	彭辉	中南大学信息科学与工程学院	45	394	10.0	17.0