基于微分進(jìn)化免疫和聚類的RBF網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf

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)