小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2010年
5期
950-954
,共5页
GEP%RBF%k-均值算法%人工神经网络
GEP%RBF%k-均值算法%人工神經網絡
GEP%RBF%k-균치산법%인공신경망락
RBF神经网络作为一种采用局部调节来执行函数映射的人工神经网络,在逼近能力、分类能力和学习速度等方面都有良好的表现,但由于RBF网络的隐节点的个数和隐节点的中心难以确定,从而影响了整个网络的精度,极大地制约了该网络的广泛应用.为此本文提出基于GEP优化的RBF神经网络算法,对其中心向量及连接权值进行优化.实验表明,本文所提算法比RBF算法的预测误差平均减少了48.96% .
RBF神經網絡作為一種採用跼部調節來執行函數映射的人工神經網絡,在逼近能力、分類能力和學習速度等方麵都有良好的錶現,但由于RBF網絡的隱節點的箇數和隱節點的中心難以確定,從而影響瞭整箇網絡的精度,極大地製約瞭該網絡的廣汎應用.為此本文提齣基于GEP優化的RBF神經網絡算法,對其中心嚮量及連接權值進行優化.實驗錶明,本文所提算法比RBF算法的預測誤差平均減少瞭48.96% .
RBF신경망락작위일충채용국부조절래집행함수영사적인공신경망락,재핍근능력、분류능력화학습속도등방면도유량호적표현,단유우RBF망락적은절점적개수화은절점적중심난이학정,종이영향료정개망락적정도,겁대지제약료해망락적엄범응용.위차본문제출기우GEP우화적RBF신경망락산법,대기중심향량급련접권치진행우화.실험표명,본문소제산법비RBF산법적예측오차평균감소료48.96% .
