基于快速密度聚类的RBF神经网络设计

• 作者: 乔俊飞 李文静 蒙西
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: RBF神经网络 快速密度聚类 结构设计 神经元活性 二阶算法 泛化能力 函数逼近 系统辨识
• 年，卷（期）: 2018,（3）
• 页码范围: 331-338
• 页数: 8页
• 分类号: TP273
• 字数: 5511字
• 语种: 中文
• DOI: 10.11992/tis.201702014

摘要

针对径向基函数(radial basis function,RBF)神经网络隐含层结构难以确定的问题,提出一种基于快速密度聚类的网络结构设计算法.该算法将快速密度聚类算法良好的聚类特性用于RBF神经网络结构设计中,通过寻找密度最大的点并将其作为隐含层神经元,进而确定隐含层神经元个数和初始参数;同时,引入高斯函数的特性,保证了每个隐含层神经元的活性;最后,用一种改进的二阶算法对神经网络进行训练,提高了神经网络的收敛速度和泛化能力.利用典型非线性函数逼近和非线性动态系统辨识实验进行仿真验证,结果表明,基于快速密度聚类设计的RBF神经网络具有紧凑的网络结构、快速的学习能力和良好的泛化能力.

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	北京工业大学信息学部	181	1883	22.0	31.0
5	李文静	北京工业大学信息学部	26	118	6.0	9.0
9	蒙西	北京工业大学信息学部	3	23	3.0	3.0