哈尔滨理工大学学报
哈爾濱理工大學學報
합이빈리공대학학보
JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY
2010年
1期
5-8
,共4页
径向基神经网络%异丙苯氧化系统%相减聚类算法%最近邻聚类算法%修剪技术
徑嚮基神經網絡%異丙苯氧化繫統%相減聚類算法%最近鄰聚類算法%脩剪技術
경향기신경망락%이병분양화계통%상감취류산법%최근린취류산법%수전기술
针对径向基函数(RBF)神经网络隐含层节点中心难确定的问题,提出了一种RBF网络学习的新算法,将引入修剪技术的相减聚类算法(PTSC)和最近邻聚类算法相结合的算法,并对异丙苯氧化系统进行建模.仿真结果表明,该算法提高了网络的学习速度,有较强的泛化能力.
針對徑嚮基函數(RBF)神經網絡隱含層節點中心難確定的問題,提齣瞭一種RBF網絡學習的新算法,將引入脩剪技術的相減聚類算法(PTSC)和最近鄰聚類算法相結閤的算法,併對異丙苯氧化繫統進行建模.倣真結果錶明,該算法提高瞭網絡的學習速度,有較彊的汎化能力.
침대경향기함수(RBF)신경망락은함층절점중심난학정적문제,제출료일충RBF망락학습적신산법,장인입수전기술적상감취류산법(PTSC)화최근린취류산법상결합적산법,병대이병분양화계통진행건모.방진결과표명,해산법제고료망락적학습속도,유교강적범화능력.
