一種RBF神經網絡的自適應學習算法
加入技術交流群
以x(x=x1，x2)為輸入矢量，其中，x1和x2分別以1為間隔在區間[0，9]內均勻取值，一共得到100組輸入數據(x1，x2)。選取ε=0．02，θ=0．3，ρ1=0．1，ρ2=0．05。經過20次訓練，最后得到的網絡具有41個隱層節點，系統的均方誤差為0．023 3。擬合后的曲面圖像如圖3所示。
(2)對θ取不同值時的比較，結果如表1～表3所示。
4 結語
針對RBF神經網絡隱層節點的參數和數量難以確定的問題，提出了一種自適應的學習算法。該算法事先不需要確定隱層節點的中心位置和數量，而是通過相應的添加和刪除策略實現的。添加策略是根據輸出誤差在輸入空間分布的不均勻而提出的，通過執行相應的操作可以使隱層節點的數目在學習過程中自適應的增加。同時，為了使隱層節點數目不過于膨脹，還制定了刪除策略。它先分析每個隱層節點對整個網絡所作的貢獻，然后刪除貢獻小的節點，以保持網絡結構簡單。仿真研究表明，該網絡不僅靈活性高，結構簡單，精度高，而且具有較好的泛化能力。
評論