張剛林，劉光燦
長(zhǎng)沙學(xué)院電子與通信工程系，湖南長(zhǎng)沙

摘　　　要：優(yōu)化ＲＢＦ網(wǎng)絡(luò)中的參數(shù)是一個(gè)非常復(fù)雜的問題，因?yàn)槠淠繕?biāo)函數(shù)包含大量的局部較優(yōu)點(diǎn)。提出一種基于群的算法發(fā)生器模型來優(yōu)化ＲＢＦ網(wǎng)絡(luò)中的中心和寬度，并同時(shí)用較小二乘法優(yōu)化其線性權(quán)重。該進(jìn)化模型的優(yōu)勢(shì)在于把搜索任務(wù)進(jìn)行功能分解。一種著名的Ｍａｃｋｅｙ�玻牵欤幔螅蠡煦鐣r(shí)間序列被用來檢驗(yàn)算法的性能。實(shí)驗(yàn)結(jié)果表明，提出的算法要優(yōu)于其他一些算法，如ｋ均值算法、遺傳算法或粒子群算法的預(yù)測(cè)結(jié)果。

關(guān)　鍵　詞：ＲＢＦ神經(jīng)網(wǎng)絡(luò)；參數(shù)估計(jì)；進(jìn)化模型

１　引　言
由于可以以任意精度逼近任何函數(shù)，前饋人工神經(jīng)網(wǎng)絡(luò)一直是學(xué)術(shù)界研究和應(yīng)用的熱點(diǎn)。在這一點(diǎn)上，ＲＢＦ神經(jīng)網(wǎng)絡(luò)已經(jīng)從理論上被證明［１］。由于其簡(jiǎn)單的結(jié)構(gòu)、非線性逼近的精度和快速學(xué)習(xí)的能力，它已成為較流行的前饋神經(jīng)網(wǎng)絡(luò)之一。然而，由于目標(biāo)函數(shù)包含大量的局部較優(yōu)點(diǎn)，估計(jì)神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)是一個(gè)非常困難的優(yōu)化問題。以往的研究［２］表明，ＲＢＦ網(wǎng)絡(luò)中心的選擇對(duì)模型的性能有著重大的影響，它也是優(yōu)化的主要任務(wù)。目前，比較常用的優(yōu)化ＲＢＦ網(wǎng)絡(luò)中心的方法有遺傳算法［３］、群蟻算法［４］及粒子群［５］等。本文提出了一種基于群的算法發(fā)生器模型來優(yōu)化ＲＢＦ神經(jīng)網(wǎng)絡(luò)中的中心和寬度，并同時(shí)用較小二乘法優(yōu)化其線性權(quán)重。為其他一些算法比較，ＲＢＦ神經(jīng)網(wǎng)絡(luò)被用來預(yù)測(cè)一種標(biāo)準(zhǔn)的時(shí)間序列。實(shí)驗(yàn)結(jié)果表明，提出的算法要優(yōu)于現(xiàn)存的一些算法。

登錄網(wǎng)站后可下載文件