基于QPSO算法优化的RBF神经网络设计

被引：4

作者：

刘梓溪 ^{[1
]}

张航 ^{[1
]}

机构：

[1] 四川大学电子信息学院

来源：

中南大学学报(自然科学版) | 2013年 / S1期

关键词：

QPSO; RBFNN; PSO; 函数逼近;

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：

提出基于QPSO算法优化的RBF神经网络。此网络的核心算法是将RBF神经网络的参数组成1个向量,构造成QPSO算法中的粒子,由此在可行范围内搜索一组使网络均方误差最小的最优解。实例仿真部分分别用优化前后的网络对Legendre函数进行函数逼近。研究结果表明:经过优化的RBF网络与传统RBF网络相比具有计算精度高、收敛速度快的优点。

引用

页码：27 / 30

页数：4

共 6 条

[1] 基于改进的QPSO训练BP网络的网络流量预测 [J].

王鹏 ;

刘渊 .

计算机应用研究, 2009, 26 (01) :299-301

[2]

量子行为粒子群优化[M]. 清华大学出版社 , 孙俊, 2011

[3]

神经网络稳定性理论[M]. 科学出版社 , 钟守铭等, 2008

[4]

神经网络结构设计的理论与方法[M]. 国防工业出版社 , 魏海坤编著, 2005

[5]

神经网络原理[M]. 机械工业出版社 , (美)SimonHaykin著, 2004

[6]

面向MATLAB工具箱的神经网络理论与应用[M]. 中国科学技术大学出版社 , 丛爽编著, 1998

← 1 →