RBF神經網絡的研究與應用.pdf

1、徑向基函數神經網絡是一種高效的前饋式神經網絡，它具有其他前向網絡所不具有的最佳逼近性能和全局最優(yōu)特性，并且結構簡單，訓練速度快。同時，它也是一種可以廣泛應用于模式識別、非線性函數逼近等領域的神經網絡模型。全文的主要工作體現在以下幾個方面： 1 在細菌群體趨藥性(Bacterial Colony Chemotaxis，BCC)優(yōu)化算法的基礎上提出了一種新的優(yōu)化算法微細菌群體趨藥性(Micro-BCC)算法。M-BCC算法采用了兩個

2、菌群進行尋優(yōu)。尋優(yōu)菌群規(guī)模小，提高了尋優(yōu)的速度；庫存菌群規(guī)模相對較大但是不參與運算，保證了尋優(yōu)菌群的多樣性。對比標準遺傳算法和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網絡的基礎上，提出了RBF神經網絡的混合結構優(yōu)化算法。在算法中，改進了遞歸正交最小二乘(ROLS)算法的停止條件，并用改進的ROLS算法優(yōu)選RBF神經網絡中隱單元的個數；借用微細菌群體趨藥性算法的思想來確定RBF神經網絡隱層神經元的控制參數

3、；把改進的ROLS算法和M-BCC算法相結合(ROLS-MBCC算法)，來全結構優(yōu)化RBF神經網絡，使RBF網絡不但可以得到合適的結構，同時也可以得到合適的控制參數。本算法相對于傳統的K-means和ROLS算法效率高，泛化能力好。 3 最后我們將RBF神經網絡應用到車牌識別中，RBFNN的算法采用混合結構優(yōu)化算法，在識別中使用非全字符輸入和多層識別器。仿真試驗表明，相對于全字符輸入的車牌識別，本方法在時間復雜度上有很大優(yōu)勢，相