改进型RBF神经网络在线的学习算法

• 作者: 张小鸣 王研顺
• 来源期刊: 常州大学学报（自然科学版）
• 学科: 工学
• 关键词: 径向基函数神经网络 在线学习算法 分级学习率
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 信息科学与控制
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP301.6
• 字数: 4493字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0411.2014.01.012

摘要

为了更好的满足嵌入式应用领域和实时性环境的要求,在资源分配网络(RAN)的基础上提出了一种改进型径向基函数(RBF)神经网络在线学习算法.在网络参数调整过程中引入了分级学习率因子,根据理论输出和网络输出误差绝对值的大小选择不同的学习率因子参与学习过程.在VC++6.0编程环境中进行的软件仿真试验表明:相对于传统的RBF神经网络在线学习算法,改进型RBF神经网络在线学习算法在不增加网络规模的情况下可以进一步减小输出误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小鸣	常州大学信息科学与工程学院	21	148	6.0	11.0
2	王研顺	常州大学信息科学与工程学院	1	5	1.0	1.0