一种新的RBF网络两级学习设计方法

• 作者: 任子武 陈俊风
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 正交最小二乘法 最优设计 粒子群优化 径向基网络
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 151-155
• 页数: 5页
• 分类号: TP183
• 字数: 4458字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.06.038

摘要

为了简化径向基网络结构,构造出良好泛化性能力的网络,提出了一种径向基(RBF)网络的两级学习新设计方法.在下级将正交最小二乘法(OLS)与A-最优设计方法(A-opt)相结合(OLS+A-opt),引入一种基于A-最优设计准则的混合代价函数,同时优化网络模型的逼近性能及模型的充分性,自动构建结构节俭的RBF网络模型;而方法中的关键学习参数A-最优代价系数通过上级粒子群优化方法(PSO)优化获取最佳值.仿真结果表明该方法所设计的RBF网络不仅具有较好的泛化性能,而且也具有良好的模型鲁棒性及充分性,是一种有效的RBF网络设计方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任子武	哈尔滨工业大学控制与仿真中心	6	456	5.0	6.0
2	陈俊风	河海大学计算机及信息工程学院	19	143	6.0	11.0