湘潭大学自然科学学报
湘潭大學自然科學學報
상담대학자연과학학보
NATURAL SCIENCE JOURNAL OF XIANGTAN UNIVERSITY
2007年
4期
99-103
,共5页
周经野%彭相华%王智超%余敏
週經野%彭相華%王智超%餘敏
주경야%팽상화%왕지초%여민
聚类分析%径向基函数%RBF子网%BC-RBFNN模型
聚類分析%徑嚮基函數%RBF子網%BC-RBFNN模型
취류분석%경향기함수%RBF자망%BC-RBFNN모형
应用于工程中的径向基函数(RBF)神经网络模型,当训练样本量很大时常存在训练学习速度慢和拟合精度不高的问题.针对这一情况提出了一种基于聚类的RBF神经网络(BC-RBFNN)模型.该模型首先通过对训练样本进行聚类分析,将其分为不同的类,接着根据每类的训练样本构造一个RBF子网并获取其相关参数,接着再将各个子网组织成一个BC-RBFNN模型.通过对其进行理论分析和性能检验试验,结果表明该模型能加快网络训练学习速度,缩小的模型规模,提高网络的预测精度.
應用于工程中的徑嚮基函數(RBF)神經網絡模型,噹訓練樣本量很大時常存在訓練學習速度慢和擬閤精度不高的問題.針對這一情況提齣瞭一種基于聚類的RBF神經網絡(BC-RBFNN)模型.該模型首先通過對訓練樣本進行聚類分析,將其分為不同的類,接著根據每類的訓練樣本構造一箇RBF子網併穫取其相關參數,接著再將各箇子網組織成一箇BC-RBFNN模型.通過對其進行理論分析和性能檢驗試驗,結果錶明該模型能加快網絡訓練學習速度,縮小的模型規模,提高網絡的預測精度.
응용우공정중적경향기함수(RBF)신경망락모형,당훈련양본량흔대시상존재훈련학습속도만화의합정도불고적문제.침대저일정황제출료일충기우취류적RBF신경망락(BC-RBFNN)모형.해모형수선통과대훈련양본진행취류분석,장기분위불동적류,접착근거매류적훈련양본구조일개RBF자망병획취기상관삼수,접착재장각개자망조직성일개BC-RBFNN모형.통과대기진행이론분석화성능검험시험,결과표명해모형능가쾌망락훈련학습속도,축소적모형규모,제고망락적예측정도.
