基于蚂蚁算法的RBF网络参数的两阶段优化

被引：6

作者：

邢桂华

朱庆保

机构：

[1] 南京师范大学数学与计算机科学学院

来源：

计算机工程与应用 | 2005年 / 27期

关键词：

径向基函数(RBF); 神经网络; 蚂蚁算法; 参数优化;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种径向基函数(RBF)网络中心参数仿生优化算法,该算法基于改进的蚂蚁算法分两阶段完成。第一阶段为:首先进行网络参数范围估算,然后根据一定的步长对网络参数区间取离散点,最后蚂蚁根据在各个离散点的信息素的多少来选择路径,从而进行网络参数优化。第二阶段为:利用第一阶段的结果进行局部区间扩张,从而进行进一步优化。用蚂蚁算法优化后的网络对典型的混沌时间序列进行预测,结果表明其预测的各项误差低于常规的优化方法。

引用

页码：56 / 59

页数：4

共 6 条

[1] 蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例 [J].

叶志伟 ;

郑肇葆 .

武汉大学学报(信息科学版), 2004, (07) :597-601

[2] 一种新的自适应蚁群算法及其应用 [J].

胡小兵 ;

黄席樾 ;

张著洪 .

计算机仿真, 2004, (06) :108-111

[3] 基于遗传算法的RBF神经网络的优化设计方法 [J].

李红利 ;

张晓彤 ;

兰立柱 ;

孙兆林 .

计算机仿真, 2003, (11) :67-69

[4] 一种改进的蚁群算法求解最短路径问题 [J].

毕军 ;

付梦印 ;

张宇河 ;

不详 .

计算机工程与应用 , 2003, (03) :107-109

[5] Fast Learning in Networks of Locally-Tuned Processing Units [J].

Moody, John ;

Darken, Christian J. .

NEURAL COMPUTATION, 1989, 1 (02) :281-294

[6]

Orthogonal least squares learning algorithm for radial basis function networks .2 Chen S,Cowan C F N,Grant P M. IEEE Transactions on neural networks . 1991

← 1 →