| 基于增量学习的RBF神经网络的噪声源识别 |
| |
| 引用本文： | 高志华,李朝旭,田立业.基于增量学习的RBF神经网络的噪声源识别[J].计算机工程与科学,2008,30(11):118-119. |
| |
| 作者姓名： | 高志华 李朝旭 田立业 |
| |
| 作者单位： | 海军工程大学计算机工程系,湖北,武汉,430033;空军工程大学自动化工程系,陕西,西安,710038 |
| |
| 摘 要： | 本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型。该模型采用PCM聚类算法并具有增量学习能力，网络输出节点在线可调，保证了网络具有较高的泛化能力和一定的学习新故障模式的能力。仿真结果表明，该模型是有效的。
|
| 关 键 词： | 径向基函数 可能性C均值聚类 增量学习 |
Acoustic Fault Identification Based on the RBF Neural Network for Incremental Learning |
| |
| GAO Zhi-hua,LI Chaoxu,TIAN Li-ye.Acoustic Fault Identification Based on the RBF Neural Network for Incremental Learning[J].Computer Engineering & Science,2008,30(11):118-119. |
| |
| Authors: | GAO Zhi-hua LI Chaoxu TIAN Li-ye |
| |
| Abstract: | A RBF fuzzy neural network for targeting the characteristics of acoustic fault sources of underwater vehicles is presented.The neural network uses the possibilistic C-means(PCM)clustering algorithm.The output layer neurons can be modified on-line so that the network has the capability of incremental learning.An example of diagnosis indicates that the proposed neural network is efficient. |
| |
| Keywords: | radial basis function(RBF) possibilistic C-means clustering(PCM) incremental learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 |
|
点击此处可从《计算机工程与科学》下载全文 |
