模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2007, Vol. 20 Issue (2): 230-235    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
改进的GGAPRBF算法及其在函数逼近中的应用
李彬1,赖晓平2
1.山东轻工业学院 数理学院 济南 250353
2.山东大学威海分校 信息工程学院 威海 264209
An Improved GGAPRBF Algorithm and Its Application to Function Approximation
LI Bin1, LAI XiaoPing2
1.Department of Mathematical and Physical Sciences, Shandong Institute of Light Industry, Jinan 250353
2.School of Information Engineering, Shandong University at Weihai, Weihai 264209

全文: PDF (709 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 在GGAPRBF算法的基础上,提出RBF神经网络的一种改进算法,结合网络中隐层神经元径向基函数的宽度自适应调整算法和重合度阈值的动态调整方法.通过函数逼近领域中的3个Benchmark问题,改进算法与RAN、RANEKF、MRAN、IRAN和GGAPRBF(GAPRBF)算法做比较.仿真结果表明在需要较少隐层神经元和训练时间前提下,改进算法训练的网络有较好的泛化能力.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李彬
赖晓平
关键词 径向基函数(RBF)神经网络广义增长剪枝径向基函数(GGAPRBF)算法Benchmark问题删除策略    
Abstract:An improved learning algorithm for RBF neural network based on the GGAPRBF algorithm is proposed. The adaptive adjusting algorithm for the width of hidden neuron radial basis function and the dynamical regulation of overlap threshold are introduced into the GGAPRBF algorithm. The presented algorithm is compared with RAN, RANEKF, MRAN,IRAN and GGAPRBF(GAPRBF) algorithms by simulation on three benchmark problems in the function approximation area. The results indicate that the proposed algorithm provides good generalization performance with considerably reduction in network size and training time.
Key wordsRadial Basis Function (RBF) Neural Networks    Generalized Growing and Pruning Radial Basis Function (GGAPRBF) Algorithm    Benchmark Problems    Pruning Strategy   
收稿日期: 2006-03-14     
ZTFLH: TP183  
作者简介: 李彬,男,1979年生,硕士,主要研究方向为神经网络、机器学习、控制理论.Email:ribbenlee@hotmail.com.赖晓平,男,1965年生,教授,博士生导师,主要研究方向为滤波器设计、优化控制与优化方法.
引用本文:   
李彬,赖晓平. 改进的GGAPRBF算法及其在函数逼近中的应用[J]. 模式识别与人工智能, 2007, 20(2): 230-235. LI Bin , LAI XiaoPing. An Improved GGAPRBF Algorithm and Its Application to Function Approximation. , 2007, 20(2): 230-235.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2007/V20/I2/230
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn