|
|||||
|
|
| 径向基函数递推最小二乘算法优化学习的研究 | |
| 引用本文： | 葛淑杰,姜天文,付岩.径向基函数递推最小二乘算法优化学习的研究[J].计算机仿真,2007,24(5):150-153. |
| 作者姓名： | 葛淑杰 姜天文 付岩 |
| 作者单位： | 1. 黑龙江科技学院计算机与信息工程系,黑龙江,哈尔滨,150027;哈尔滨工程大学计算机科学与技术学院,黑龙江,尔滨,150001 2. 黑龙江科技学院计算机与信息工程系,黑龙江,哈尔滨,150027 3. 哈尔滨工程大学计算机科学与技术学院,黑龙江,尔滨,150001 |
| 摘 要： | 对于广泛使用的三层感知机BP神经网络存在收敛速度慢,预测精度不高的问题,提出了基于径向基函数(RBF)递推最小二乘算法调整网络连接权值以及通过自适应学习的方法优化径向基函数形状参数的协作式自适应算法,并采用该算法进行了RBF神经网络的训练和仿真实验.结果表明:所提出的算法较BP算法以及固定a值的RBF算法有较快的收敛速度;最后,将训练后的神经网络应用于煤矿瓦斯涌出量的预测中,结果大大提高了预测的精度.因此,该算法具有很高的应用价值. |
| 关 键 词： | 径向基函数 递推最小二乘算法 形状参数 自适应学习 径向基函数 递推 最小 适应算法 优化学习 研究 Algorithm Recursive Least Square Radial Basis Function Learning Optimization 价值 网络应用 预测精度 瓦斯涌出量 煤矿 神经 固定 结果 仿真实验 |
| 文章编号： | 1006-9348（2007）05-0150-04 |
| 修稿时间： | 2006-09-052006-09-11 |
Research on Optimization Learning of Radial Basis Function Recursive Least Square Algorithm |
|
| GE Shu-jie,JIANG Tian-wen,FU Yan.Research on Optimization Learning of Radial Basis Function Recursive Least Square Algorithm[J].Computer Simulation,2007,24(5):150-153. | |
| Authors: | GE Shu-jie JIANG Tian-wen FU Yan |
| Affiliation: | 1. Computer and Information Engineering Dept, HeiLongJiang Institute of Science and Technology, harbin Heilongjiang 150027, China;2. College of Computer Science and Technology ,Harbin Engineering University, harbin Heilongjiang 150001, China |
| Abstract: | |
| Keywords: | Radial basis function(RBF) Recursive least square algorithm Shape parameter Adaptive learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
