ELM-RBF神经网络的智能优化策略

被引：3

作者：

李彬 ^{[1
,2
]}

李贻斌 ^{[1
]}

荣学文 ^{[1
]}

机构：

[1] 山东大学控制科学与工程学院

[2] 山东轻工业学院数理学院

来源：

山东大学学报(理学版) | 2010年 / 45卷 / 05期

关键词：

径向基函数神经网络; 智能优化; 差分进化算法; 粒子群优化算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了ELM-RBF(extreme learning machine-radial basis function)神经网络的智能优化方法,采用差分进化算法和粒子群优化算法来确定ELM-RBF神经网络中隐层神经元的中心和宽度。仿真结果表明,在具有相同的网络结构前提下,基于智能优化策略的ELM-RBF神经网络学习算法具有更好的泛化能力和较好的鲁棒性。

引用

页码：48 / 51+81 +81

页数：5

共 11 条

[1]

Multivariable functional interpolation and adaptive networks. Broomhead DS,Lowe D. Complex Systems . 1988

[2]

Orthogonal Least Squares Learning Algorithm for Radial Function Networks. Chen S,Cowan C F N,Grant P M. IEEE Transactions on Neural Networks . 1991

[3]

UCI repository of machine learning databases. MURPHY P M,AHA D W. http://archive.ics.uci.edu/ml/datasets.html . 2008

[4]

Fast learning in networks of locally-tuned processing units. Moody J,Darken CJ. Neural Computation . 1989

[5]

粒子群算法及应用[M]. 科学出版社 , 纪震, 2009

[6]

Pattern recognition[P]. DECO GUSTAVO;SCHUERMANN BERND.中国专利:US6980689B1,2005-12-27

[7]

Neural networks-a comprehensive foundation. SIMON HAYKIN. . 2001

[8]

Extreme learning machine with randomly assigned RBF kernels. G. B. Huang,C. K. Siew. International Journal of Information Technology . 2005

[9]

Extreme learning machine:Theory and applications. Huang G B,Zhu O Y,Siew C K. Neurocomputing . 2006

[10]

A Gaussian potential function network with hierarchically self-organizing learning. Lee S C,Kil R M. Neural Networks . 1991

← 1 2 →