节点文献

一种非常数型径向基函数神经网络学习算法研究

A NEW LEARNING ALGORITHM OF THE NON-CONSTANT RBF NETWORKS

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具，请取消加速工具后下载。

【作者】 鲍鸿； 黄心汉； 李锡雄；

【Author】 Bao Hong (Faculty of Automation , Guangdong University of Technology, Guangzhou 510090)Huang Xinhan(Department of Control Science and Engineering, Huazhong University of Science and Technology,Wuhan 430074)Li Xixiong (Faculty of Automation , Guangdong University of Technology, Guangzhou 510090)

【机构】 广东工业大学自动化学院； 华中科技大学控制科学与工程系；

【摘要】 提出一种新的非常数型径向基函数神经网络的最优聚类学习算法,并将该算法应用于函数逼近和系统辨识。仿真结果表明本文提出的学习算法具有聚类的快速收敛性和网络构造的简练性。

【Abstract】 In this paper, we present a new optimal cluster learning algorithm of the non-constant Radial Basis Function (RBF) networks and apply it to functional approximation and system identification. Simulation results show that the learning algorithm has quick convergence and structural simplification.

【关键词】 神经网络； 学习算法； RHF神经网络；
【Key words】 Neural Networks； Learning Algorithms； The Radial Basis Function Network；
  • 【文献出处】 模式识别与人工智能 ,Pattern Recognition and Artificial Intelligence , 编辑部邮箱 ,2001年02期
  • 【分类号】TP183
  • 【被引频次】7
  • 【下载频次】86
打印本页
节点文献中：