RBF网络基函数中心选取算法的研究.pdfVIP

( ) 2000 年 3 月 安徽大学学报 自然科学版 March 2000 第 24 卷 第 1 期 Journal of Anhui University Natural Science Edition Vol. 24 No. 1 RBF 网络基函数中心选取算法的研究 1 2 朱明星 ,张德龙 1 (安徽大学 自动化系 ,安徽 合肥 　230039) 2 (安徽大学 电子工程与信息科学系 ,安徽 合肥 　230039) 摘 　要 :首先介绍 RBF 网络基函数中心的随机选取算法 ,然后研究自组织学习算法选取 RBF 基函数中心方法 ,最后给出一种最近邻聚类学习算法。通过系统辨识的实例仿真 ,对几 种算法进行了深入分析与详细比较。 关键词 :基函数中心 ;HCM 算法 ;konhonen 算法 ;最近邻聚类算法 ( ) 中图分类号:TP183 　　文献标识码 :A 　　文章编号 :1000 - 2162 2000 01 - 0072 - 07 在信号处理、模式识别等系统中 ,多层前馈网络是应用较为广泛的模型。但是大部分 基于反向传播的多层前馈网络的学习算法必须基 于某种非线性优化技术的缺点 ,计算量大、学习速 ( 度慢。径向基函数神经网络 Radial Basis Function Neural Network) 理论为多层前馈网络的学习提供 了一种新颖而有效的手段。RBF 网络不仅具有良 好的推广能力 ,而且计算量少 ,学习速度一般也比 其它算法快得多。 RBF 神经网络拓扑图如图 1 所示[1 ] 。RBF 网 络从输入空间到隐含空间的变换是非线性的 ,而 从隐含层空间到输出层空间的变换则是线性的。 这是一种前馈网络的拓扑结构 , 隐含层的单元是 感受野单元 ,每个感受野单元的输出为 2 2 ω ( ( σ) ) ( ) i = R i x = exp - ‖x - ci ‖/ i 1 式中 x 是输入模式, ci 是隐层第 i 个高斯函数的 中心, σ是第 i 个隐单元的归一化参数, 即为高斯 i 图 1 　RBF 神经网络拓扑图 函数的宽度, i = 1 , …, nh , nh , 为隐单元的个数。 隐层将输入空间映射到一个新空间, 输出层在该新空间中实现线性组合器, 可调节参数就 是该线性组合器的权。RB F 网络的输出为: 收稿日期 :1999 - 08 - 16 ( ) 基金项目 :安徽省教委自然科学基金资助项目 98JL026 作者简介 :朱明星( 1968 - ) ,男 ,安徽金寨人 ,讲师. 第 1 期 朱明星等 :RBF 网络基函数中心选取算法的研究 73 n h ( ) w R x