基于模型输出敏感度分析法的动态RBF神经网络设计

被引:4
作者
韩红桂
李淼
乔俊飞
机构
[1] 北京工业大学电子信息与控制工程学院
关键词
RBF神经网络; 动态设计; 神经网络性能;
D O I
10.13976/j.cnki.xk.2009.03.018
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
针对一般RBF神经网络在学习过程中网络结构不能改变的问题,提出一种动态RBF神经网络结构设计方法。算法的实质是利用敏感度分析法(SA)对神经网络模型的输出进行分析,通过判断隐含层神经元的输出对整个网络输出的影响,删除RBF隐含层中冗余的神经元,实现对神经网络的动态修剪。非线性函数逼近结果及动态系统建模结果表明,该动态RBF神经网络具有较好的性能;与最小RBF(MRBF)神经网络相比,采用所提算法能得到更小的检测误差和更短的训练时间,最终网络结构紧凑。
引用
收藏
页码:370 / 375
页数:6
相关论文
共 5 条
[1]   PWM整流器的径向基函数神经网络控制新方法 [J].
姜惠兰 ;
李桂鑫 ;
崔虎宝 ;
孟庆强 .
信息与控制, 2006, (03) :406-410
[2]  
Backward Elimination Methods for Associative Memory Network Pruning[J] . Xia Hong,Chris Harris,Martin Brown,Sheng Chen.International Journal of Hybrid Intelligent Systems . 2004 (1,2)
[3]  
Sensitivity analysis in model calibration: GSA-GLUE approach[J] . M. Ratto,S. Tarantola,A. Saltelli.Computer Physics Communications . 2001 (3)
[4]   A sequential learning scheme for function approximation using minimal radial basis function neural networks [J].
Lu, YW ;
Sundararajan, N ;
Saratchandran, P .
NEURAL COMPUTATION, 1997, 9 (02) :461-478
[5]  
‘A Generalized Growing and Pruning RBF (GGAP-RBF) Neural Network for Function Approximation’. Guang-Bin Huang,P Saratchandran,Narasimhan Sundararajan. IEEE Transactions on Neural Networks . 2005