基于MDL的RBF神经网络结构和参数的学习

被引：10

作者：

刘妹琴

陈际达

蔡自兴

机构：

[1] 华中理工大学控制科学与工程系!武汉

[2] 中南工业大学信息工程学院!长沙

来源：

小型微型计算机系统 | 2000年 / 04期

关键词：

径向基函数神经网络; 最小描述长度; 遗传算法; 梯度下降法; 鲁棒性;

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：

本文提出了一种优化径向基函数神经网络 (RBFNN)结构和参数的方法 ,该方法包括两个过程 :训练和进化 .训练采用梯度下降法学习 RBFNN的中心 ,宽度和输出权值 ;进化采用二进制编码的遗传算法 (GA )学习 RBFNN的结构 ,适应度函数是基于信息论中最小描述长度 (MDL)原理的目标函数 .函数逼近仿真实验证明了该方法比其他方法鲁棒性强 ,所得到的网络结构简单 .

引用

页码：379 / 382

页数：4