RBF神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用.pdf

1、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)，它具有其他前向網(wǎng)絡(luò)所不具有的最佳逼近性能和全局最優(yōu)特性，并且結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練速度快。同時(shí)，它也是一種可以廣泛應(yīng)用于模式識(shí)別、非線(xiàn)性函數(shù)逼近等領(lǐng)域的神經(jīng)網(wǎng)絡(luò)模型。全文的主要工作體現(xiàn)在以下幾個(gè)方面： 1 在細(xì)菌群體趨藥性(Bacterial Colony Chemotaxis，BCC)優(yōu)化算法的基礎(chǔ)上提出了一種新的優(yōu)化算法微細(xì)菌群體趨藥性(Micro-BCC)算法。M-BCC算法采用了兩個(gè)

2、菌群進(jìn)行尋優(yōu)。尋優(yōu)菌群規(guī)模小，提高了尋優(yōu)的速度；庫(kù)存菌群規(guī)模相對(duì)較大但是不參與運(yùn)算，保證了尋優(yōu)菌群的多樣性。對(duì)比標(biāo)準(zhǔn)遺傳算法和BCC算法，本算法具有一定的優(yōu)越性。 2 本文在研究前人徑向基神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了RBF神經(jīng)網(wǎng)絡(luò)的混合結(jié)構(gòu)優(yōu)化算法。在算法中，改進(jìn)了遞歸正交最小二乘(ROLS)算法的停止條件，并用改進(jìn)的ROLS算法優(yōu)選RBF神經(jīng)網(wǎng)絡(luò)中隱單元的個(gè)數(shù)；借用微細(xì)菌群體趨藥性算法的思想來(lái)確定RBF神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元的控制參數(shù)

3、；把改進(jìn)的ROLS算法和M-BCC算法相結(jié)合(ROLS-MBCC算法)，來(lái)全結(jié)構(gòu)優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)，使RBF網(wǎng)絡(luò)不但可以得到合適的結(jié)構(gòu)，同時(shí)也可以得到合適的控制參數(shù)。本算法相對(duì)于傳統(tǒng)的K-means和ROLS算法效率高，泛化能力好。 3 最后我們將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用到車(chē)牌識(shí)別中，RBFNN的算法采用混合結(jié)構(gòu)優(yōu)化算法，在識(shí)別中使用非全字符輸入和多層識(shí)別器。仿真試驗(yàn)表明，相對(duì)于全字符輸入的車(chē)牌識(shí)別，本方法在時(shí)間復(fù)雜度上有很大優(yōu)勢(shì)，相