基于自适应投影学习算法的径向基函数网络设计及应用

被引：6

作者：

张茁生

刘贵忠

刘峰

机构：

[1] 西安交通大学电子与信息工程学院信息与通信工程系!西安

来源：

电子学报 | 2000年 / 09期

关键词：

径向基函数网络; 自适应投影算法; 结构设计; 信道均衡器; 时间序列预报;

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：

摘要：

基于自适应投影原理 ,本文提出了构造和训练径向基函数网络的自适应投影学习算法 ,该算法能迭代地确定径向基函数的个数、中心的位置以及网络的权系数 ,从而提供了生成径向基函数网络的一个简单和有效的方法 .通过应用于信道均衡器和时间序列预报信号处理领域中的两个例子 ,进一步证明了该算法是行之有效的 .

引用

页码：120 / 122+134 +134

页数：4

共 8 条

[1]

Fast adaptive digital equalization by recurrent neural networks. R. Parisi,E. D. D. Claudis,G. Orlandi,B. D. Rao. IEEE Transactions on Signal Processing . 1997

[2]

Matching pursuits with time-frequency dictionaries. S. Mallat,Z. Zhong. IEEE Transactions on Signal Processing . 1993

[3]

Orthogonal least squares learning algorithm for radial basis function networks. S. Chen,C. F. N. Cowan,P. M. Grant. IEEE Transactions on Neural Networks . 1991

[4]

Progress in supervised neural networks. D Hush,B Horne. IEEE Signal Processing Magazine, January . 1993

[5]

Approximation and radial basis function networks. J. Park,I. W. Sandberg. Neural Computing and Applications . 1993

[6]

Reconstruction of binary signal using an adaptive radial-basis-function equalizer. S. Chen,G. J. Gibson,C. F. N. Cowan,P. M. Grant. Signal Processing . 1991

[7]

Universal approximation using radial basis function networks. J. Park,I. sandberg. Neural Computing and Applications . 1991

[8]

Growing radial basis neural networks:merging supervised and unsupervised learning with network growth techniques. N. B. Karayiannis,G. W. Mi. IEEE Transactions on Neural Networks . 1998

← 1 →