一种新型径向基函数神经网络学习算法—

一种新型径向基函数神经网络学习算法——递归正交最小二乘法(ROLS)

英文篇名：A New Learning Algorithm Based on Radial Basis Function Neural Network --Recursive Orthogonal Least Squares (ROLS) Algorithm
中文刊名：重庆大学学报(自然科学版)
英文刊名：Journal of Chongqing University(Natural Science Edition)
作者：张兴兰 ; 曹长修 ; 梅彬
英文作者：ZHANG Xing lan ; CAO Chang xiu ; MEI Bin (College of Automation ; Chongqing University ; Chongqing 400044 ; China)
中文关键词：RBF神经网络 ; 递归正交最小二乘 ; 后向选择 ; 简化
英文关键词：recursive orthogonal least squares ; RBFNN ; backward selection ; reduction
出版日期：2002-10-30
机构：重庆大学自动化学院,重庆大学自动化学院,重庆大学自动化学院重庆400044 ,重庆400044 ,重庆400044
年：2002
期：10
出版单位：重庆大学学报(自然科学版)

摘要

径向基函数神经网络在很多领域都得到了成功的应用。但迄今为止仍没有一种有效的方法来确定隐层中心数目。笔者将递归正交最小二乘 (ROLS)方法引入RBFNN建模训练 ,利用ROLS算法训练网络后所得的有用信息 ,采用后向选择算法 ,逐步去掉那些使网络残差增加最小的中心 ,在得到网络有效中心的同时 ,还满足了精度要求 ,从而大大简化了RBF网络结构 ,节约了大量的存储空间以及计算量。仿真和实验结果表明该方法是有效而实用的
The Recursive Orthogonal Least Squares (ROLS) algorithm is applied to train Radial Basis Function Neural Network (RBFNN) when modeling, so as to save large memory and computational efforts. Using the information available from the trained network with ROLS algorithm, the effective centers of network can be obtained by adopting backward selection algorithm, which achieve acceptable accuracy with significant reduction of network structure. The results of simulation and experimentation show that the algorithm is efficient and useful.

引文

[1]　KAMINSKIW ,STRUMILLOPI Kernelorthonomalizationinradialbasisfunctionneuralnetworks[J].IEEETrans.NeuralNetworks,1997,8(5):1171-1183.
    [2]　王旭东,邵惠鹤RBF神经元网络在非线性系统建模中的应用[J].控制理论与应用,1997,14(1):59-66
    [3]　靳蕃神经计算智能基础原理与方法[M].成都:西南交通大学出版社,2000
    [4]　陈涛,蒋林,屈染生基于正交最小二乘学习算法的径向基函数网络设计[J].中国机械工程,1997,8(6):95-97
    [5]　王碧泉,陈祖荫模式识别理论、方法和应用[M ].北京:地震出版社,1989
    [6]　王永骥,涂健神经元网络控制[M ].北京:机械工业出版社,1998
    [7]　BARRYGOMMJ ,DINGLIYU SelectionRadialBasisFunctionNetworkCenterswithRecursiveOrthogonalLeastSquaresTraining[J].IEEETransNeuralNetworks,2000,11(2):306-314.
    [8]　AKAIKEH Fittingautoregressivemodelsforprediction[J].AnnInstStatistMath,1969,21:425-439.