摘要
优化RBF网络中的参数是一个非常复杂的问题,因为其目标函数包含大量的局部最优点。提出一种基于群的算法发生器模型来优化RBF网络中的中心和宽度,并同时用最小二乘法优化其线性权重。该进化模型的优势在于把搜索任务进行功能分解。一种著名的Mackey-Glass混沌时间序列被用来检验算法的性能。实验结果表明,提出的算法要优于其他一些算法,如k均值算法、遗传算法或粒子群算法的预测结果。
Traning RBF neural netwroks is a difficult optimization problem because of numerous local minima.A computation model of a population-based algorithm-generator is proposed to estimate the parameters of the RBF networks.The advantage of the model is the functional decomposition.The performance of the proposed algorithm are evaluated by the benchmark Mackey-Glass time series.Comparision results show that the proposed algorithm is better than other existing algorithms.
出处
《控制工程》
CSCD
北大核心
2010年第3期313-315,共3页
Control Engineering of China
关键词
RBF神经网络
参数估计
进化模型
RBF neural network
parameter estimation
evolutionary model
