一种应用PSO优化RBF神经网络的方法

• 作者: 刘定一 张健
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粒子群 神经网络 差异性
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 269-272
• 页数: 4页
• 分类号: TP181
• 字数: 3814字
• 语种: 中文

摘要

RBF神经网络算法是一种常用的数据训练方法,在该训练过程中,如何选取更合理的个体作为RBF神经网络的神经元,直接关系到该数据训练方法的性能.利用传统的RBF神经网络模型进行数据训练,由于不同的神经元之间的差异性较小,造成建立的RBF神经网络集成模型的精确度过低.为此,提出应用PSO优化RBF神经网络的方法.动态构造PSO优化RBF神经网络结构,针对不同的动态构造方法进行分类,得到网格删除法、网络构造法和综合法等不同的动态构造方法,在动态构造的基础上,建立引用PSO优化RBF神经网络模型,计算RBF神经网络中的粒子变量,获取对应的适应性值,得到RBF神经网络的输出结果,实现应用PSO优化的RBF神经网络建模.实验结果表明,利用改进算法进行RBF神经网络构建,能够降低RBF神经网络的数据训练误差,满足实际需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘定一	三江学院计算机科学与工程学院	28	64	4.0	7.0
2	张健	三江学院计算机科学与工程学院	13	32	3.0	5.0