基于互信息的RBF神经网络结构优化设计

被引：14

作者：

郭伟

机构：

[1] 辽宁工程技术大学电子与信息工程学院

来源：

计算机科学 | 2013年 / 40卷 / 06期

关键词：

RBF神经网络; 结构优化; k-近邻统计法; 互信息;

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：

以设计最小RBF网络结构为着眼点,提出了一种基于互信息的RBF神经网络结构优化算法。该算法用k近邻统计法估计隐节点输出矩阵与输出节点输出矩阵之间的互信息,获得每个隐节点与输出节点之间的相关性度量,删除相关性最小的隐节点,进而达到优化网络结构的目的。该算法具有自恢复机制,在简化网络结构的同时能有效保证网络的信息处理能力。在人工数据集和真实基准数据集上的仿真实验验证了该算法的有效性与稳定性。

引用

页码：252 / 255+271 +271

页数：5

共 6 条

[1] 基于HHGA-RBF神经网络的网络安全态势预测模型 [J].

孟锦 ;

马驰 ;

何加浪 ;

张宏 .

计算机科学, 2011, 38 (07) :70-72+75

[2] 基于ACO-SVM的软件缺陷预测模型的研究 [J].

姜慧研 ;

宗茂 ;

刘相莹 .

计算机学报, 2011, 34 (06) :1148-1154

[3]

Self-generation RBFNs using evolutional PSO learning[J] . Hsuan-Ming Feng.Neurocomputing . 2006 (1)

[4]

A new training and pruning algorithm based on node dependence and Jacobian rank deficiency[J] . Jinhua Xu,Daniel W.C. Ho.Neurocomputing . 2006 (1)

[5] 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

[6]

A generalized growing and pruning RBF(GGAP-RBF)neural network for function approximation .2 Huang Guang-bin,et al. IEEE Transaction on Neural Networks . 2005

← 1 →