版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、徑向基函數(shù)(RadialBasisFunction,RBF)神經(jīng)網(wǎng)絡(luò)以其深厚的生理學(xué)基礎(chǔ)、簡單的網(wǎng)絡(luò)結(jié)構(gòu)、快速的學(xué)習(xí)能力、優(yōu)良的逼近性能,在函數(shù)近似、模式識別、信號處理、系統(tǒng)辨識等領(lǐng)域取得了廣泛的運用。人工免疫系統(tǒng)(ArtificialImmuneSystem,AIS)是近年來興起的一個研究領(lǐng)域,人工免疫系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)的混合應(yīng)用也成為人們的研究熱點,越來越多的研究者采用進(jìn)化計算(EvolutionaryComputation,EC)
2、來設(shè)計RBF神經(jīng)網(wǎng)絡(luò)參數(shù)。隱節(jié)點中心的選取一直是各種RBF網(wǎng)絡(luò)學(xué)習(xí)算法面臨的主要問題之一,為提高RBF網(wǎng)絡(luò)的性能,在RBF網(wǎng)絡(luò)現(xiàn)有學(xué)習(xí)算法的基礎(chǔ)上,本文提出了改進(jìn)的模糊聚類算法,還將微分進(jìn)化與免疫算法相結(jié)合應(yīng)用到RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化設(shè)計中,取得了以下成果: (1)分析了現(xiàn)有的RBF網(wǎng)絡(luò)學(xué)習(xí)算法在隱節(jié)點中心選取、寬度確定和權(quán)值優(yōu)化等方面的優(yōu)缺點; (2)把微分進(jìn)化思想和免疫算法相結(jié)合,提出基于微分進(jìn)化免疫的RBF網(wǎng)學(xué)習(xí)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 自適應(yīng)微分進(jìn)化模糊聚類分割算法研究.pdf
- 基于差分進(jìn)化計算的聚類算法研究.pdf
- 微分進(jìn)化神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于差分進(jìn)化算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的.pdf
- 基于差分進(jìn)化的模糊C-均值聚類算法研究.pdf
- 基于微分進(jìn)化和粒子群算法的投資組合優(yōu)化研究.pdf
- 基于免疫進(jìn)化的分類型數(shù)據(jù)聚類算法的研究.pdf
- 基于熵聚類的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究.pdf
- 基于微分進(jìn)化算法的腦部阻抗成像技術(shù)研究.pdf
- 基于免疫進(jìn)化計算的數(shù)據(jù)聚類算法研究及其應(yīng)用.pdf
- 基于微分進(jìn)化算法的無線傳感器網(wǎng)絡(luò)若干優(yōu)化問題研究.pdf
- 基于聚類的RBF-LBF串聯(lián)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法及其應(yīng)用.pdf
- 基于貪婪策略的微分進(jìn)化算法及其應(yīng)用研究.pdf
- 差分進(jìn)化算法的改進(jìn)及其在聚類中的應(yīng)用.pdf
- 基于微分進(jìn)化算法的接地網(wǎng)故障診斷研究.pdf
- 基于改進(jìn)微分進(jìn)化算法的無功電壓綜合控制.pdf
- 基于改進(jìn)差分進(jìn)化的K均值聚類算法在入侵檢測中的研究.pdf
- 基于進(jìn)化規(guī)劃的聚類算法研究.pdf
- 基于微分進(jìn)化算法的電力系統(tǒng)最優(yōu)潮流.pdf
- 組合投資模型及其微分進(jìn)化算法的研究.pdf
評論
0/150
提交評論