-
题名基于相对贡献指标的自组织RBF神经网络的设计
被引量：5
- 1
-
-
作者
乔俊飞
安茹
韩红桂
-
机构
北京工业大学电子信息与控制工程学院
计算智能与智能系统北京市重点实验室
-
出处
《智能系统学报》
CSCD
北大核心
2018年第2期159-167,共9页
-
基金
国家自然科学基金重点项目(61533002
61225016)
+1 种基金
北京市教育委员会科研计划项目(km201410005002)
高等学校博士学科点基金项目(20131103110016)
-
文摘
针对RBF(radial basis function)神经网络的结构和参数设计问题,本文提出了一种基于相对贡献指标的自组织RBF神经网络的设计方法。首先,提出一种基于相对贡献指标(relative contribution,RC)的网络结构设计方法,利用隐含层输出对网络输出的相对贡献来判断是否增加或删减RBF网络相应的隐含层节点,并且对神经网络结构调整过程的收敛性进行证明。其次,采用改进的LM(Levenberg-Marquardt algorithm)算法对调整后的网络参数进行更新,使网络具有较少的训练时间和较快的收敛速度。最后,对提出的设计方法进行非线性函数仿真和污水处理出水参数氨氮建模,仿真结果表明,RBF神经网络能够根据研究对象自适应地动态调整RBF结构和参数,具有较好的逼近能力和更高的预测精度。
-
关键词
RBF神经网络
相对贡献指标
改进的lm算法
结构设计
出水氨氮
收敛速度
预测精度
-
Keywords
RBF neural network
relative contribution index
improved lm algorithm
structure design
ammonia and nitrogen effluent parameters
convergence speed
prediction accuracy
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
