计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2007年
5期
150-153
,共4页
径向基函数%递推最小二乘算法%形状参数%自适应学习
徑嚮基函數%遞推最小二乘算法%形狀參數%自適應學習
경향기함수%체추최소이승산법%형상삼수%자괄응학습
对于广泛使用的三层感知机BP神经网络存在收敛速度慢,预测精度不高的问题,提出了基于径向基函数(RBF)递推最小二乘算法调整网络连接权值以及通过自适应学习的方法优化径向基函数形状参数的协作式自适应算法,并采用该算法进行了RBF神经网络的训练和仿真实验.结果表明:所提出的算法较BP算法以及固定a值的RBF算法有较快的收敛速度;最后,将训练后的神经网络应用于煤矿瓦斯涌出量的预测中,结果大大提高了预测的精度.因此,该算法具有很高的应用价值.
對于廣汎使用的三層感知機BP神經網絡存在收斂速度慢,預測精度不高的問題,提齣瞭基于徑嚮基函數(RBF)遞推最小二乘算法調整網絡連接權值以及通過自適應學習的方法優化徑嚮基函數形狀參數的協作式自適應算法,併採用該算法進行瞭RBF神經網絡的訓練和倣真實驗.結果錶明:所提齣的算法較BP算法以及固定a值的RBF算法有較快的收斂速度;最後,將訓練後的神經網絡應用于煤礦瓦斯湧齣量的預測中,結果大大提高瞭預測的精度.因此,該算法具有很高的應用價值.
대우엄범사용적삼층감지궤BP신경망락존재수렴속도만,예측정도불고적문제,제출료기우경향기함수(RBF)체추최소이승산법조정망락련접권치이급통과자괄응학습적방법우화경향기함수형상삼수적협작식자괄응산법,병채용해산법진행료RBF신경망락적훈련화방진실험.결과표명:소제출적산법교BP산법이급고정a치적RBF산법유교쾌적수렴속도;최후,장훈련후적신경망락응용우매광와사용출량적예측중,결과대대제고료예측적정도.인차,해산법구유흔고적응용개치.
