基于OLS算法的RBF网设计方法与实现.pdfVIP

计算机时代 2010 年 第7 期 ·21 · 基于OLS算法的RBF网设计方法与实现 刘金玲 (徐州广播电视大学铜山分校，江苏 徐州 221116) 摘 要：在RBF 网络学习中用随机数据点作为径向基函数中心，计算神经网络的权，这样的结果往往会造成网络过大或 者结果不理想，从而无法满足要求。径向基函数中心的选择基于正交最小二乘法，逐个找出径向基函数的中心，构建出 良好的网络。该算法选择的中心最大值不会产生数字的病态问题。正交最小二乘法策略简单、有效，设计的径向基函数 网络效果很好。 关键词：基函数；最小二乘法；神经网络；回归；正交 Design Method and Implementation of RBF Network Based on OLS Algorithm LIU Jin-ling （Tongshan Branch School, Xuzhou Radio and TV University, Xuzhou, Jiangsu 221116, China ） Abstract ：In RBF network learning, using random data points as radial basis function centers to compute neural network weights, the result is often large network or unsatisfactory, and thereby cannot meet the requirements. Based on orthogonal least squares method, selecting radial basis function centers can find the centers one by one to build good network, and the maximum of the center selected by the algorithm can avoid ill-conditioned problem. The orthogonal least squares strategy is simple and effective, and the designed radial basis function network has a very good effect. Key words ：basis function ；least squares method ；neural network ；regression ；orthogonal 0 引言 1 径向基函数网络 前向神经网络已经应用在很多领域，用前向神经网络处理 径向基函数网络的原理是用隐单元实现输入空间到隐含 复杂信号可以看成是在多维空间的曲面拟合操作。这些应用 层空间的变换，矢量不通过连接权直接映射到了隐空间，只要 从理论上讲是可行的，在网络结构足够大时，通过参数的选择 确定了RBF的中心，这种关系也就确定了。输入层到隐含层的 可以将连续函数逼近到一定的精确值。其学习过程需要基于 变换是非线性的，而隐含层到输出层的映射是线性的，即网络 非线性优化技术，在应用梯度下降算法的时候，达到优化标准 的实际输出是单元响应的线性和。 n 的局部最小化。其他的优化技术，比如基因算法、学习自动机、 RBF网络如图1所示，映射f：R→R：r 模拟退火，尽管可以完成扩展计算的全局最小化，但非线性参