基于相对贡献指标的自组织RBF神经网络的设计

• 作者: 乔俊飞 安茹 韩红桂
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: RBF神经网络 相对贡献指标 改进的LM算法 结构设计 出水氨氮 收敛速度 预测精度
• 年，卷（期）: 2018,（2）
• 页码范围: 159-167
• 页数: 9页
• 分类号: TP183
• 字数: 7885字
• 语种: 中文
• DOI: 10.11992/tis.201608009

摘要

针对RBF(radial basis function)神经网络的结构和参数设计问题,本文提出了一种基于相对贡献指标的自组织RBF神经网络的设计方法.首先,提出一种基于相对贡献指标(relative contribution,RC)的网络结构设计方法,利用隐含层输出对网络输出的相对贡献来判断是否增加或删减RBF网络相应的隐含层节点,并且对神经网络结构调整过程的收敛性进行证明.其次,采用改进的LM (Levenberg-Marquardt algorithm)算法对调整后的网络参数进行更新,使网络具有较少的训练时间和较快的收敛速度.最后,对提出的设计方法进行非线性函数仿真和污水处理出水参数氨氮建模,仿真结果表明,RBF神经网络能够根据研究对象自适应地动态调整RBF结构和参数,具有较好的逼近能力和更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学电子信息与控制工程学院	181	1883	22.0	31.0
3	韩红桂	北京工业大学电子信息与控制工程学院	73	706	16.0	21.0
9	安茹	北京工业大学电子信息与控制工程学院	2	29	2.0	2.0