基于PSO的RBF神经网络学习算法及其应用

被引：44

作者：

张顶学

关治洪

刘新芝

机构：

[1] 华中科技大学控制科学与工程系

来源：

计算机工程与应用 | 2006年 / 20期

关键词：

粒子群; 径向基函数神经网络; 减聚类算法; 混沌时间序列; 最小二乘法;

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：

摘要：

提出了一种基于粒子群优化(PSO)算法的径向基函数(RBF)神经网络学习方法,首先利用减聚类算法确定网络径向基层的单元数,再用PSO对基中心和宽度进行优化,并与最小二乘法相结合训练RBF神经网络。将此算法用于混沌时间序列的预测,实例仿真表明此方法是有效的。

引用

页码：13 / 15

页数：3

共 7 条

[1] 基于粒子群的K均值聚类算法 [J].

刘靖明 ;

韩丽川 ;

侯立文 .

系统工程理论与实践, 2005, (06) :54-58

[2] 一种改进的RBF神经网络学习算法 [J].

王洪斌 ;

杨香兰 ;

王洪瑞 .

系统工程与电子技术, 2002, (06) :103-105

[3] 一种新的RBF神经网络非线性动态系统建模方法 [J].

李艳君 ;

吴铁军 ;

赵明旺 .

系统工程理论与实践, 2001, (03) :64-69

[4] RBF神经网络的递阶遗传训练新方法 [J].

郑丕谔 ;

马艳华 .

控制与决策, 2000, (02) :165-168

[5] RBF神经元网络在非线性系统建模中的应用 [J].

王旭东 ;

邵惠鹤 .

控制理论与应用, 1997, (01) :59-66

[6] 一种RBF网络结构优化方法 [J].

张友民，李庆国，戴冠中，张洪才 .

控制与决策 , 1996, (06) :667-671

[7] 改进的RBF神经元网络及其应用 [J].

王旭东 ;

邵惠鹤 ;

范懋基 .

上海交通大学学报, 1996, (04) :132-136

← 1 →