共查询到20条相似文献,搜索用时 0 毫秒
1.
自适应RBF-LBF串联神经网络结构与参数优化方法 总被引:2,自引:0,他引:2
研究了前向单层径基函数(RBF)网络和前向单层线性基本函数(LBF)网络的分类机理,提出了RBF的中心和宽度应通过学习自动确定,在学习过程中根据错分样本被错分入的类别自动生成新的核函数这一观点.如果两个或两个以上核函数属于同一类,在输入空间相距较近且未被其它类别的样本分隔开来的情况下,则应考虑将之合并,或者使它们的作用区域部分重叠.从理论上阐明了采用Sigmoid活化函数的单层感知器的分类阈值为0.5,进而提出了由单层RBF网络和单层感知器组成的串联RBF—LBF神经网络.文中详细给出了确定该串联RBF—LBF神经网络结构、核函数个数、位置与宽度的优化算法.一般来说,该算法的计算复杂性比前向单隐层感知器采用的误差反传算法要小或至少相当.对几个经典的模式分类难题的处理结果表明,与一般RBF网络和前向单隐层感知器网络相比,该串联RBF—LBF网络及其自适应学习算法具有收敛速度快,分类精度高,易于得到最小结构,在学习过程中不易陷入局部极小点等优点,有利于实现实时分析.实验结果同时也验证了单层LBF网络对提高RBF—LBF网络分类正确率的重要性. 相似文献
2.
Clustering techniques have a strong influence on the performance achieved by Radial Basis Function (RBF) networks. This article compares the performance achieved by RBF networks using seven different clustering techniques. For such, different sizes of RBF networks are trained and tested using an Automatic Target Recognition data set. The performances of these RBF networks using each clustering technique are compared and analyzed. This article also evaluates how the performance can be improved by combining RBF networks, training with different clustering techniques, in committees. 相似文献
3.
4.
5.
无线传感器网络的系统能耗制约着全网络的综合应用能力,其中节点有限的能量从根本上影响着传感器网络效能。针对无线传感器网络的全局能耗问题,提出了基于径向基函数神经网络以及状态空间表达的系统化建模方法。考虑到无线传感器网络的拓扑结构与分级关系, 采用径向基函数神经网络自适应实时规划系统。鉴于各传感器节点对数据的不同处理方式与能耗密切相关, 对全系统能耗建立系统化矩阵模型。仿真分析表明该模型可根据实际应用背景调整设置完成全局优化。 相似文献
6.
7.
8.
基于遗传算法的前向神经网络结构优化 总被引:2,自引:0,他引:2
对近几年应用遗传算法(Genetic Algorithm,GA)优化设计前向神经网络结构的研究进行了评述。指出了神经网络结构优化设计的重要性和目前各种方法存在的不足。介绍了神经网络结构设计原理和应用GA优化设计神经网络应着重考虑的两个问题:即结构表达策略和适应度函数设计。分别对近来应用GA优化设计多层感知器、径向基函数神经网络和径向基概率神经网络结构的研究进行了细致介绍和分析。指出了目前研究工作的不足和未来研究工作的发展方向。 相似文献
9.
农作物疾病的人工诊断效果常受到个人诊断经验和能力的限制,无法达到最令人满意的诊断结果。将丰富的植物病理学诊断经验和知识编入专家系统,利用模式识别算法对农作物常见疾病进行诊断,可以大大提高诊断准确率,显著地提高其产量和质量。本文研究基于一种人工神经元网络(Artificial Neural Network,ANN)——径向基函数(Radial Basis Function,RBF)网络的模式识别技术在大豆疾病诊断中的应用。径向基函数神经网络是基于人脑的神经元细胞对外界反应的局部性而提出的一种前馈式神经网络,这种网络具有结构简单、全局逼近能力强、训练方法快速易行的优点。本文首先对大豆常见19种疾病症状进行收集和整理,构建试验样本集。然后利用人工神经元网络理论,建立基于径向基函数(RBF)的网络模型,实现对该网络的训练和测试。测试结果表明,该模型具有较高的农作物疾病诊断正确率和良好的泛化能力。 相似文献
10.
本文评述了近十几年来国内外对前向神经网络设计问题的研究情况,在分析各种已有设计方法优缺点的基础上,提出另一种新的解决前向神经网络设计问题的方法,并给出几个非常典型的设计(模拟)例子,以说明本文所提出方法的有效性和潜力。 相似文献
11.
The ensemble of evolving neural networks, which employs neural networks and genetic algorithms, is developed for classification problems in data mining. This network meets data mining requirements such as smart architecture, user interaction, and performance. The evolving neural network has a smart architecture in that it is able to select inputs from the environment and controls its topology. A built-in objective function of the network offers user interaction for customized classification. The bagging technique, which uses a portion of the training set in multiple networks, is applied to the ensemble of evolving neural networks in order to improve classification performance. The ensemble of evolving neural networks is tested by various data sets and produces better performance than both classical neural networks and simple ensemble methods. 相似文献
12.
We have developed a novel pulse-coupled neural network (PCNN) for speech recognition. One of the advantages of the PCNN is
in its biologically based neural dynamic structure using feedback connections. To recall the memorized pattern, a radial basis
function (RBF) is incorporated into the proposed PCNN. Simulation results show that the PCNN with a RBF can be useful for
phoneme recognition.
This work was presented in part at the 7th International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18,
2002 相似文献
13.
自组织过程神经网络及其应用研究 总被引:5,自引:1,他引:5
针对与时间过程有关的模式分类问题,提出了一种自组织过程神经元网络模型.网络由输入层和竞争层组成,其输入和连接权可为与时间有关的函数,输入层结点与竞争层结点实行全互连接.网络提取输入函数所隐含的过程式模式特征,并对其进行自组织,在竞争层将分类结果表现出来.为简化计算,在输入空间中引入函数正交基,将输入函数和网络权函数表示为正交基的展开形式,利用基函数的正交性,使网络权函数的调整非时变化.给出了竞争学习和有教师示教两种学习算法,并以石油地质中沉积微相识别问题为例证明了模型和算法的有效性. 相似文献
14.
15.
16.
In this paper, we propose some techniques for injecting finite state automata into Recurrent Radial Basis Function networks (R2BF). When providing proper hints and constraining the weight space properly, we show that these networks behave as automata. A technique is suggested for forcing the learning process to develop automata representations that is based on adding a proper penalty function to the ordinary cost. Successful experimental results are shown for inductive inference of regular grammars. 相似文献
17.
基于神经网络的非线性观测器及在线故障检测 总被引:1,自引:0,他引:1
提出一种基于径向基函数神经网络的非线性观测器的设计方法,并将其应用于复杂非线性系统的故障检测与隔离。该方法将神经网络离线学习与在线学习相结合,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可显著提高故障检测的快速性、鲁棒性及准确率。最后,针对非线性同步交流电机的结构损伤故障进行了仿真,结果表明本文所提方法的有效性。 相似文献
18.
径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器(SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。 相似文献
19.
In multi-instance learning, the training examples are bags composed of instances without labels, and the task is to predict the labels of unseen bags through analyzing the training
bags with known labels. A bag is positive if it contains at least one positive instance, while it is negative if it contains
no positive instance. In this paper, a neural network based multi-instance learning algorithm named RBF-MIP is presented,
which is derived from the popular radial basis function (RBF) methods. Briefly, the first layer of an RBF-MIP neural network
is composed of clusters of bags formed by merging training bags agglomeratively, where Hausdorff metric is utilized to measure distances between bags and
between clusters. Weights of second layer of the RBF-MIP neural network are optimized by minimizing a sum-of-squares error
function and worked out through singular value decomposition (SVD). Experiments on real-world multi-instance benchmark data,
artificial multi-instance benchmark data and natural scene image database retrieval are carried out. The experimental results
show that RBF-MIP is among the several best learning algorithms on multi-instance problems. 相似文献
20.
径向基网络的研究进展和评述 总被引:17,自引:0,他引:17
径向基网络(RBFN)是当前人工神经网络技术研究的热点之一,并以其优良的性能广泛应用于各个领域。该文简要介绍了RBFN的结构特点,与经典的多层前传网(MLFN)进行对比,分析了RBFN学习算法从经验到理论,从繁杂到简捷的发展进程,及其存在的问题,归纳了RBFN的一些特殊类型,并对RBFN的研究和发展进行了展望。 相似文献