山东大学学报（工学版）
山東大學學報（工學版）
산동대학학보（공학판）
JOURNAL OF SHANDONG UNIVERSITY(ENGINEERING SCIENCE)
2007年
4期
23-27
,共5页
RBF神经网络%遗传算法%最疏集均值聚类
RBF神經網絡%遺傳算法%最疏集均值聚類
RBF신경망락%유전산법%최소집균치취류
传统的径向基函数神经网络构造算法大多是根据先验知识和以往的经验事先确定网络的隐层结构,采用传统聚类和最小二乘法训练网络的各项参数,这种算法一般是基于局部搜索机制,使得训练的参数往往陷入局部极小值.提出用遗传算法结合一种新的聚类方法即最疏集(MSS-most scattered set)均值聚类算法和传统的最小二乘法来训练RBF(radial basis function)网络结构参数的方法.该方法不仅避免了网络训练陷入局部极小的问题,而且新的聚类方法的计算效率有所提高.通过把该算法应用在交通流预测方面,取得了令人满意的效果.
傳統的徑嚮基函數神經網絡構造算法大多是根據先驗知識和以往的經驗事先確定網絡的隱層結構,採用傳統聚類和最小二乘法訓練網絡的各項參數,這種算法一般是基于跼部搜索機製,使得訓練的參數往往陷入跼部極小值.提齣用遺傳算法結閤一種新的聚類方法即最疏集(MSS-most scattered set)均值聚類算法和傳統的最小二乘法來訓練RBF(radial basis function)網絡結構參數的方法.該方法不僅避免瞭網絡訓練陷入跼部極小的問題,而且新的聚類方法的計算效率有所提高.通過把該算法應用在交通流預測方麵,取得瞭令人滿意的效果.
전통적경향기함수신경망락구조산법대다시근거선험지식화이왕적경험사선학정망락적은층결구,채용전통취류화최소이승법훈련망락적각항삼수,저충산법일반시기우국부수색궤제,사득훈련적삼수왕왕함입국부겁소치.제출용유전산법결합일충신적취류방법즉최소집(MSS-most scattered set)균치취류산법화전통적최소이승법래훈련RBF(radial basis function)망락결구삼수적방법.해방법불부피면료망락훈련함입국부겁소적문제,이차신적취류방법적계산효솔유소제고.통과파해산법응용재교통류예측방면,취득료령인만의적효과.
