改进的RBFNN学习算法及其应用

• 作者: 宋建社 潘湘岳
• 来源期刊: 科技与创新
• 关键词: 正交最小二乘 径向基神经网络 目标识别
• 年，卷（期）: 2009,（15）
• 所属期刊栏目: 软件时空
• 页码范围: 267-268
• 页数: 2页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2009.15.107

摘要

RBFNN(radial basis function neural networks)的参数确定得是否合理将直接影响RBFNN的学习性能.通过正交最小二乘算法选择RBFNN的中心由于容易实现而得到广泛的应用,但是正交最小二乘算法并没有对中心宽度的选择作出分析.文章借助正交最小二乘算法确定隐节点中心的位置,并采用类内样本分散度和类间距离共同确定宽度.仿真结果表明本文算法能够达到优化RBFNN参数的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘湘岳		1	0	0.0	0.0
2	宋建社		1	0	0.0	0.0