復(fù)數(shù)值RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的研究及應(yīng)用.pdf

1、近年來(lái)，復(fù)數(shù)值神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的計(jì)算能力、較強(qiáng)的泛化能力和相對(duì)較小的網(wǎng)絡(luò)結(jié)構(gòu)而成為神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域中的新分支。特別地，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)則以其簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)、簡(jiǎn)潔的訓(xùn)練過(guò)程和較快的收斂速度在圖像處理、模式識(shí)別等領(lǐng)域得到廣泛應(yīng)用。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中有如下參數(shù)需要確定：權(quán)值和中心。而中心參數(shù)又包括中心位置、中心個(gè)數(shù)和對(duì)應(yīng)的寬度，它在確定網(wǎng)絡(luò)模型時(shí)起著決定性的作用。因?yàn)橹行膮?shù)確定后，網(wǎng)絡(luò)從輸入到輸出就是一個(gè)線性關(guān)系，權(quán)值可以通過(guò)解線性方程

2、組求得。因此，中心參數(shù)的確定是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)能否有更廣闊的應(yīng)用前景所必須解決的問(wèn)題。
　　本研究主要內(nèi)容包括：⑴改進(jìn)的可調(diào)內(nèi)核正交最小二乘法確定隱含層中心參數(shù)的算法。該算法加入了隨機(jī)遍歷和過(guò)濾候選中心過(guò)程，隨機(jī)遍歷過(guò)程能保證新產(chǎn)生的中心較樣本集中的更好，過(guò)濾候選中心來(lái)確保所選的中心符合正交最小二乘法的下降規(guī)律。⑵基于密度的加權(quán)均值確定隱含層初始中心參數(shù)的算法。該算法是利用密度加權(quán)均值法來(lái)解決梯度下降法中隨機(jī)初始中心的盲目性導(dǎo)致