信息工程大学学报
信息工程大學學報
신식공정대학학보
JOURNAL OF INFORMATION ENGINEERING UNIVERSITY
2010年
4期
448-451
,共4页
RBF神经网络集成%最优训练中止算法%调制识别
RBF神經網絡集成%最優訓練中止算法%調製識彆
RBF신경망락집성%최우훈련중지산법%조제식별
首先通过模拟退火算法对单个网络的隐含层高斯基函数中心值和标准化常数聚类算法进行了优化,进而提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了神经网络的过学习问题;最后通过基于最优权重的集成算法给出了模式所属类别的确定性衡量,提高了识别精度和系统的泛化能力.将该算法用于调制信号类型识别,取得了较高的识别精度.
首先通過模擬退火算法對單箇網絡的隱含層高斯基函數中心值和標準化常數聚類算法進行瞭優化,進而提齣瞭一種基于汎化誤差性能跟蹤的最優訓練中止算法,避免瞭神經網絡的過學習問題;最後通過基于最優權重的集成算法給齣瞭模式所屬類彆的確定性衡量,提高瞭識彆精度和繫統的汎化能力.將該算法用于調製信號類型識彆,取得瞭較高的識彆精度.
수선통과모의퇴화산법대단개망락적은함층고사기함수중심치화표준화상수취류산법진행료우화,진이제출료일충기우범화오차성능근종적최우훈련중지산법,피면료신경망락적과학습문제;최후통과기우최우권중적집성산법급출료모식소속유별적학정성형량,제고료식별정도화계통적범화능력.장해산법용우조제신호류형식별,취득료교고적식별정도.
