基于粒子群算法的RBF网络参数优化算法

• 作者: 刘希玉 崔海青
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 粒子群优化 径向基函数 神经网络 减聚类算法
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 117-119,169
• 页数: 4页
• 分类号: TP311
• 字数: 2796字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.12.031

摘要

针对神经网络的一些缺陷,研究神经网络基于粒子群优化的学习算法,将粒子群优化算法用于RBF神经网络的学习训练.提出了一种基于粒子群优化(PSO)算法的径向基(RBF)网络参数优化算法,首先利用减聚类算法确定网络径向基函数中心的个数,再用PSO算法优化径向基函数的中心及宽度,最后用PSO算法训练隐含层到输出层的网络权值,找到神经网络权值的最优解,以达到优化神经网络学习的目的.最后,通过一个实验与最小二乘法优化的神经网络进行了比较,验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘希玉	山东师范大学管理与经济学院	233	2140	21.0	36.0
2	崔海青	山东师范大学管理与经济学院	2	119	2.0	2.0