摘要
本文提出了一种优化径向基函数神经网络 (RBFNN)结构和参数的方法 ,该方法包括两个过程 :训练和进化 .训练采用梯度下降法学习 RBFNN的中心 ,宽度和输出权值 ;进化采用二进制编码的遗传算法 (GA )学习 RBFNN的结构 ,适应度函数是基于信息论中最小描述长度 (MDL)原理的目标函数 .函数逼近仿真实验证明了该方法比其他方法鲁棒性强 ,所得到的网络结构简单 .
A method for optimizing the architectures and parameters of radial basis function neural networks (RBFNN) is proposed in this paper. The method involves two procedures: training and evolving . The first procedure learns the centers and the width of the basis functions and the linear weights. the evolving procedure learns the architectures of RBFNN using binary encoding genetic algorithm(GA) whose fitness function is an objective function based on the minimum description length(MDL) principle in information theory. The simulation experiments on function approximation show that the method is more robust, and that the resulting RBFNN is simpler than other methods.
出处
《小型微型计算机系统》
EI
CSCD
北大核心
2000年第4期379-382,共4页
Journal of Chinese Computer Systems
基金
95攀登计划项目!(项目号 13 )
国家 973项目!(项目号 :G19980 2 0 3 19)
关键词
径向基函数神经网络
遗传算法
鲁棒性
MDL
Radial basis function neural networks
Minimum description length
Genetic algorithm
Gradient descent
Robustness
