常州大学学报（自然科学版）
常州大學學報（自然科學版）
상주대학학보（자연과학판）
Journal of ChangZhou University(Natural Science Edition)
2014年
1期
52-56
,共5页
径向基函数神经网络%在线学习算法%分级学习率
徑嚮基函數神經網絡%在線學習算法%分級學習率
경향기함수신경망락%재선학습산법%분급학습솔
RBF neural network%on-line learning algorithm%hierarchical learning rate
为了更好的满足嵌入式应用领域和实时性环境的要求,在资源分配网络(RAN)的基础上提出了一种改进型径向基函数(RBF)神经网络在线学习算法.在网络参数调整过程中引入了分级学习率因子,根据理论输出和网络输出误差绝对值的大小选择不同的学习率因子参与学习过程.在VC++6.0编程环境中进行的软件仿真试验表明:相对于传统的RBF神经网络在线学习算法,改进型RBF神经网络在线学习算法在不增加网络规模的情况下可以进一步减小输出误差.
為瞭更好的滿足嵌入式應用領域和實時性環境的要求,在資源分配網絡(RAN)的基礎上提齣瞭一種改進型徑嚮基函數(RBF)神經網絡在線學習算法.在網絡參數調整過程中引入瞭分級學習率因子,根據理論輸齣和網絡輸齣誤差絕對值的大小選擇不同的學習率因子參與學習過程.在VC++6.0編程環境中進行的軟件倣真試驗錶明:相對于傳統的RBF神經網絡在線學習算法,改進型RBF神經網絡在線學習算法在不增加網絡規模的情況下可以進一步減小輸齣誤差.
위료경호적만족감입식응용영역화실시성배경적요구,재자원분배망락(RAN)적기출상제출료일충개진형경향기함수(RBF)신경망락재선학습산법.재망락삼수조정과정중인입료분급학습솔인자,근거이론수출화망락수출오차절대치적대소선택불동적학습솔인자삼여학습과정.재VC++6.0편정배경중진행적연건방진시험표명:상대우전통적RBF신경망락재선학습산법,개진형RBF신경망락재선학습산법재불증가망락규모적정황하가이진일보감소수출오차.
