沈阳大学学报（自然科学版）
瀋暘大學學報（自然科學版）
침양대학학보（자연과학판）
Journal of Shenyang University(Natural Science)
2015年
3期
214-221
,共8页
张秀玲%付栋%李海滨%来永进%王振臣
張秀玲%付棟%李海濱%來永進%王振臣
장수령%부동%리해빈%래영진%왕진신
径向基函数神经网络(RBFNN)%聚类%遗传算法%数字识别
徑嚮基函數神經網絡(RBFNN)%聚類%遺傳算法%數字識彆
경향기함수신경망락(RBFNN)%취류%유전산법%수자식별
以数字识别为应用背景构建RBF神经网络结构,首先把最近邻聚类算法与k-均值聚类算法应用于RBF神经网络隐层中心个数及中心值的确定中,实现了隐层中心个数与中心值的自适应获取;然后将遗传算法与伪逆法相结合来确定隐层中心宽度及输出权值;最后对混合优化的神经网络与传统的基于中心自组织学习算法优化的网络进行仿真实验.实验中使用未加噪声和添加噪声的数字样本对网络进行测试,与传统优化方法对比结果表明,应用该混合学习算法构建的神经网络具有识别能力强、计算量小的优点.
以數字識彆為應用揹景構建RBF神經網絡結構,首先把最近鄰聚類算法與k-均值聚類算法應用于RBF神經網絡隱層中心箇數及中心值的確定中,實現瞭隱層中心箇數與中心值的自適應穫取;然後將遺傳算法與偽逆法相結閤來確定隱層中心寬度及輸齣權值;最後對混閤優化的神經網絡與傳統的基于中心自組織學習算法優化的網絡進行倣真實驗.實驗中使用未加譟聲和添加譟聲的數字樣本對網絡進行測試,與傳統優化方法對比結果錶明,應用該混閤學習算法構建的神經網絡具有識彆能力彊、計算量小的優點.
이수자식별위응용배경구건RBF신경망락결구,수선파최근린취류산법여k-균치취류산법응용우RBF신경망락은층중심개수급중심치적학정중,실현료은층중심개수여중심치적자괄응획취;연후장유전산법여위역법상결합래학정은층중심관도급수출권치;최후대혼합우화적신경망락여전통적기우중심자조직학습산법우화적망락진행방진실험.실험중사용미가조성화첨가조성적수자양본대망락진행측시,여전통우화방법대비결과표명,응용해혼합학습산법구건적신경망락구유식별능력강、계산량소적우점.
