一种改进的RAN学习算法

被引：3

作者：

李彬

机构：

[1] 山东大学威海分校信息工程学院

来源：

模式识别与人工智能 | 2006年 / 19卷 / 02期

关键词：

RAN 学习算法; 径向基函数; 隐层神经元; Givens-QR 分解; 删除策略;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

提出一种资源分配网络(Resource Allocating Network,RAN)的新的学习算法,称为 IRAN 算法.该算法通过一个包含4部分的新颖性准则来增加网络中的隐层神经元,通过误差下降速率来删除冗余神经元并采用基于Givens-QR 分解的递归最小二乘算法进行输出层权值的更新.通过函数逼近领域中2个 Benchmark 问题的仿真结果表明,与 RAN,RANEKF,MRAN 算法相比,IRAN 算法不但学习速度快,而且可以得到更为精简的网络结构.

引用

页码：220 / 226

页数：7

共 4 条

[1] Prediction of chaotic time-series with a resource-allocating RBF network [J].