摘要
以 RBF神经网络为模型框架 ,解决非线性系统的辨识问题。针对 RBF网络的结构辨识问题 ,提出一种优选聚类算法 ,并用该算法 ,依据输入样本优选确定 RBF神经网络的隐含层节点个数 ,采用新型二阶递推学习算法估计 RBF网络中的参数和权值。上述混合算法 ,同时解决了 RBF网络结构和参数辨识问题 ,大大提高了 RBF网络的建模和预测精度。应用实例表明了所提出方案的有效性。
A model of RBF neural network (RBFNN) is framed to solve the problem of identification of nonlinear systems. In order to realize the structure identification of RBFNN, a kind of optimal selection cluster algorithm is proposed. By this algorithm, it is optimally gained the hidden layer node number of RBFNN in terms of input samples. The structure and parameters identification problems of RBFNN are simultaneously solved, so that the modeling and prediction precision of RBFNN are notably raised. The application example shows the validity of the scheme.
出处
《控制与决策》
EI
CSCD
北大核心
2003年第2期233-236,共4页
Control and Decision
基金
黑龙江省自然科学基金资助项目 (A0 1- 14 )
黑龙江省教育厅科研基金资助项目 (95 5 10 31)
关键词
RBF神经网络
优选
聚类算法
辨识
二阶学习算法
RBF neural network
Optimal selection
Cluster algorithm
Identification
Second-order learning algorithm
