10.3969/j.issn.1000-386x.2016.11.051
基于群体划分优化的GAP-RBF神经网络学习算法
针对传统 GAP-RBF 算法学习精度不够高的问题，提出一种基于群体划分优化的 GAP-RBF 网络学习方法。首先，为了克服传统 GAP-RBF 中存在的大型矩阵的计算问题，用 DEKF（Decoupled EKF）方法调整网络参数；其次，为了获得学习精度更高的网络模型，算法利用基于 PSO 和 GA 的群体划分优化方法来训练隐含层和输出层的连接权值以及偏移项。实验结果表明，与 RAN、RANEKF、MRAN 和 GAP-RBF 算法相比，提出的算法可获得更精简的网络结构，同时提高了学习精度。
径向基函数神经网络、增长剪枝径向基函数算法、粒子群优化算法、遗传算法
33
TP183(自动化基础理论)
物联网技术应用教育部工程研究中心，中央高校基本科研业务费专项资金项目JUSRP51510。
2016-12-05（万方平台首次上网日期，不代表论文的发表时间）
共6页
215-220
