基于可拓理论的RBF神经网络研究及其应用
DOI:
CSTR:
作者:
作者单位:

1. 北京化工大学
2.
3. 北京化工大学信息科学与技术学院

作者简介:

徐圆

通讯作者:

中图分类号:

基金项目:

国家自然科学基金;国家自然科学基金;国家863计划项目


Research and application of extension theory-based radial basis function neural network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对径向基函数(RBF) 神经网络构造时其结构和参数难以确定的问题, 结合可拓理论对输入样本和基函数
    的中心向量建立物元模型, 并借鉴第2 类型可拓神经网络(ENN2) 的聚类思想, 根据样本分布, 采用可拓分析及可拓
    变换动态调整隐节点数目和基函数中心, 从而提出基于可拓理论的RBF (ERBF) 神经网络. 同时, 通过UCI 标准数据
    集进行了测试, 并通过应用实例进行了验证, 结果表明, ERBF 结构和参数的确定方法简单、收敛速度快, 且泛化精
    度、鲁棒性和稳定性均显著提高.

    Abstract:

    During the construction process of radical basis function(RBF) neural network, the structure and parameters
    are hard to be determined. Therefore, combining with the extension theory, an extension theory-based RBF(ERBF) neural
    network is proposed, in which the matter-element models including input samples and center vectors of the basis function
    are established, the clustering method of extension neural network type 2(ENN2) is introduced, and the hidden layer
    nodes number and center vectors of the basis function are dynamically adjusted by using extension analysis and extension
    transformation according to the sample distribution. Meanwhile, UCI standard data sets are tested, and application object is
    validated. Through the verification and comparison, the proposed ERBF algorithm has the advantages of simple calculation
    and fast convergence, which significantly enhances the generalization accuracy, robustness and stability.

    参考文献
    相似文献
    引证文献
引用本文

徐圆 冯晶 朱群雄.基于可拓理论的RBF神经网络研究及其应用[J].控制与决策,2011,26(11):1721-1725

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-12-23
  • 最后修改日期:2011-03-23
  • 录用日期:
  • 在线发布日期: 2011-11-20
  • 出版日期:
文章二维码