山西水利科技
山西水利科技
산서수리과기
SHANXI HYDROTECHNICS
2011年
2期
9-11
,共3页
RBF神经网络%工业取水量%预测
RBF神經網絡%工業取水量%預測
RBF신경망락%공업취수량%예측
介绍了径向基函数(RBF)神经网络的结构、原理和训练算法.以某市为研究对象,建立了RBF神经网络工业取水量预测模型,采用最近邻聚类学习算法确定径向基函数的宽度、聚类中心和权值.结果表明:RBF模型具有较强的非线性处理能力和逼近能力,且结构简洁、学习速度快、预测精度高,泛化能力强.克服了BP神经网络学习过程收敛过分依赖于初值和可能出现局部收敛的缺陷.
介紹瞭徑嚮基函數(RBF)神經網絡的結構、原理和訓練算法.以某市為研究對象,建立瞭RBF神經網絡工業取水量預測模型,採用最近鄰聚類學習算法確定徑嚮基函數的寬度、聚類中心和權值.結果錶明:RBF模型具有較彊的非線性處理能力和逼近能力,且結構簡潔、學習速度快、預測精度高,汎化能力彊.剋服瞭BP神經網絡學習過程收斂過分依賴于初值和可能齣現跼部收斂的缺陷.
개소료경향기함수(RBF)신경망락적결구、원리화훈련산법.이모시위연구대상,건립료RBF신경망락공업취수량예측모형,채용최근린취류학습산법학정경향기함수적관도、취류중심화권치.결과표명:RBF모형구유교강적비선성처리능력화핍근능력,차결구간길、학습속도쾌、예측정도고,범화능력강.극복료BP신경망락학습과정수렴과분의뢰우초치화가능출현국부수렴적결함.
