摘要
RBF(径向基函数)神经网络是一种具有全局逼近性能的三层前馈网络,但RBF学习一直存在隐节点的中心选择不合理、训练时间长等问题,针对RBF神经网络存在的问题,提出一种通过改进遗传算法优基函数中心c、宽度b和权值w的方法.该方法选取均方误差函数E作为个体适应值,在传统遗传算法的基础上改进了交叉率和变异率的选取,使个体的变异同时受进化代数和适应度的约束,实现对c、b和网络权值的优化.通过系统辨识仿真分析,证明了该方法的可行性和有效性,使系统具有更好的性能.
基金项目
2019年度湖北省教育厅科研项目指导性项目(B2019365)
长江大学工程技术学院项目(2018ky08)
NETL
NSTL
维普
万方数据