计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2005年
2期
179-187
,共9页
径向基概率神经网络%结构优化%微遗传算法%最大绝对误差-微遗传算法
徑嚮基概率神經網絡%結構優化%微遺傳算法%最大絕對誤差-微遺傳算法
경향기개솔신경망락%결구우화%미유전산법%최대절대오차-미유전산법
使用最大绝对误差算法(MAEA)优选径向基概率神经网络(RBPNN)隐中心矢量,将MAEA与求解RBPNN最优核函数控制参数的微遗传算法(μGA)相结合(MAE-μGA)来共同实现RBPNN的全结构优化.实验结果显示,对比其他几种算法,MAE-μGA优化后的RBPNN结构最简,而且在推广能力方面略好于其他几种优化方法.另外,MAE-μGA对径向基函数网络也有很好的适用性.
使用最大絕對誤差算法(MAEA)優選徑嚮基概率神經網絡(RBPNN)隱中心矢量,將MAEA與求解RBPNN最優覈函數控製參數的微遺傳算法(μGA)相結閤(MAE-μGA)來共同實現RBPNN的全結構優化.實驗結果顯示,對比其他幾種算法,MAE-μGA優化後的RBPNN結構最簡,而且在推廣能力方麵略好于其他幾種優化方法.另外,MAE-μGA對徑嚮基函數網絡也有很好的適用性.
사용최대절대오차산법(MAEA)우선경향기개솔신경망락(RBPNN)은중심시량,장MAEA여구해RBPNN최우핵함수공제삼수적미유전산법(μGA)상결합(MAE-μGA)래공동실현RBPNN적전결구우화.실험결과현시,대비기타궤충산법,MAE-μGA우화후적RBPNN결구최간,이차재추엄능력방면략호우기타궤충우화방법.령외,MAE-μGA대경향기함수망락야유흔호적괄용성.
