基于在线减法聚类的RBF神经网络结构设计

被引：21

作者：

张昭昭 ^{[1
,2
]}

乔俊飞 ^{[1
]}

机构：

[1] 北京工业大学电子信息与控制工程学院

[2] 辽宁工程技术大学电子与信息工程学院

来源：

控制与决策 | 2012年 / 27卷 / 07期

基金：

北京市自然科学基金;

关键词：

RBF神经网络; 结构设计; 在线减法聚类;

D O I：

10.13195/j.cd.2012.07.40.zhangzhzh.024

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

以设计最小径向基函数(RBF)神经网络结构为着眼点,提出一种在线RBF网络结构设计算法.该算法将在线减法聚类能实时跟踪工况的特性与RBF网络参数学习过程相结合,使得网络既能在线适应实时对象的变化又能维持紧凑的结构,有效地解决了RBF神经网络结构自组织问题.该算法只调整欧氏距离距实时工况最近的核函数,大大提高了网络的学习速度.通过对典型非线性函数逼近和混沌时间序列预测的仿真,表明所提出的算法具有良好的动态特性响应能力和逼近能力.

引用

页码：997 / 1002

页数：6

共 6 条

[1] 一种结构自适应神经网络及其训练方法
宋彦坡
彭小奇
[J]. 控制与决策 , 2010, (08) : 1265 - 1268
[2] 一种基于神经网络复杂度的修剪算法
张昭昭
乔俊飞
韩红桂
[J]. 控制与决策, 2010, 25 (06) : 821 - 824+830
[3] BP神经网络漏钢预测系统优化
厉英
王正
敖志广
翟莹莹
庞维成
[J]. 控制与决策, 2010, (03) : 453 - 456
[4] 基于减法聚类的多模型在线辨识算法[J]. 潘天红,薛振框,李少远.自动化学报. 2009(02)
[5] A sequential learning scheme for function approximation using minimal radial basis function neural networks
Lu, YW
Sundararajan, N
Saratchandran, P
[J]. NEURAL COMPUTATION, 1997, 9 (02) : 461 - 478
[6] A Resource-Allocating Network for Function Interpolation
Platt, John
[J]. NEURAL COMPUTATION, 1991, 3 (02) : 213 - 225

← 1 →