一种RBF网络结构调整的稳健增量学习方法

• 作者: 刘建军 胡卫东 郁文贤
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 模式识别 径向基函数网络 隐层节点调整 增量学习
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 192-194,227
• 页数: 4页
• 分类号: TP18
• 字数: 3558字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.07.049

摘要

以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法.算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习.RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性.IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁文贤	国防科技大学电子科学与工程学院	70	948	17.0	26.0
2	胡卫东	国防科技大学电子科学与工程学院	37	485	13.0	20.0
3	刘建军	国防科技大学电子科学与工程学院	2	63	2.0	2.0