计算技术与自动化
計算技術與自動化
계산기술여자동화
COMPUTING TECHNOLOGY AND AUTOMATION
2002年
4期
16-20
,共5页
RBF网络%结构优化%自构形学习算法
RBF網絡%結構優化%自構形學習算法
RBF망락%결구우화%자구형학습산법
RBF网络中的隐层神经元的数目直接影响着整个网络的性能和效率,因而对RBF网络的结构优化是一个非常必要的环节.本文先采用分步式训练构造初始RBF网络,然后利用改进的神经网络自构形学习算法对所构造的RBF网络的隐层进行优化,最后通过实验结果的分析与对比,验证改进的神经网络自构形学习算法对RBF网络优化的有效性.
RBF網絡中的隱層神經元的數目直接影響著整箇網絡的性能和效率,因而對RBF網絡的結構優化是一箇非常必要的環節.本文先採用分步式訓練構造初始RBF網絡,然後利用改進的神經網絡自構形學習算法對所構造的RBF網絡的隱層進行優化,最後通過實驗結果的分析與對比,驗證改進的神經網絡自構形學習算法對RBF網絡優化的有效性.
RBF망락중적은층신경원적수목직접영향착정개망락적성능화효솔,인이대RBF망락적결구우화시일개비상필요적배절.본문선채용분보식훈련구조초시RBF망락,연후이용개진적신경망락자구형학습산법대소구조적RBF망락적은층진행우화,최후통과실험결과적분석여대비,험증개진적신경망락자구형학습산법대RBF망락우화적유효성.
