基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文用粒子群算法来优化RBF神经网络的中心值和连接权值,使之具有更强的非线性逼近能力,并将优化后的RBF神经网络和未经优化的RBF神经网络用于非线性函数的逼近,实例证明优化后的RBF神经网络比未经优化的RBF神经网络具有更强的非线性函数的逼近能力.
推荐文章
粒子群优化RBF神经网络的DNA序列分类
DNA序列分类
PSO-RBF神经网络
特征提取
分类模型建立
参数优化
分类效果对比
基于改进粒子群优化算法的神经网络设计
粒子群算法
蚁群算法
信息素
神经网络设计
基于粒子群优化神经网络的卫星故障预测方法
故障预测
卫星
粒子群优化
神经网络
时间序列
基于粒子群优化BP神经网络的脉象识别方法
脉象识别
粒子群算法
输出误差
误差反向传播算法
神经网络
泛化能力
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于粒子群算法的RBF神经网络的优化方法
来源期刊 山东电力高等专科学校学报 学科 工学
关键词 RBF神经网络 粒子群优化算法
年,卷(期) 2010,(1) 所属期刊栏目 理论研究·技术应用
研究方向 页码范围 51-53
页数 分类号 TP183
字数 1962字 语种 中文
DOI 10.3969/j.issn.1008-3162.2010.01.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李林 西南交通大学电气工程学院 26 291 8.0 16.0
2 李建兵 西南交通大学电气工程学院 20 179 6.0 13.0
3 牛鹏超 西南交通大学电气工程学院 1 10 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (532)
参考文献  (5)
节点文献
引证文献  (10)
同被引文献  (17)
二级引证文献  (41)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(2)
  • 二级引证文献(1)
2013(7)
  • 引证文献(2)
  • 二级引证文献(5)
2014(11)
  • 引证文献(1)
  • 二级引证文献(10)
2015(5)
  • 引证文献(0)
  • 二级引证文献(5)
2016(11)
  • 引证文献(3)
  • 二级引证文献(8)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
研究主题发展历程
节点文献
RBF神经网络
粒子群优化算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
国网技术学院学报
双月刊
2095-6614
37-1496/TK
大16开
山东省济南市二环南路500号
1998
chi
出版文献量(篇)
2542
总下载数(次)
11
论文1v1指导