| PSO聚类和梯度算法结合的RBF神经网络优化 |
| |
| 引用本文： | 孟艳,潘宏侠.PSO聚类和梯度算法结合的RBF神经网络优化[J].自动化仪表,2011,32(2). |
| |
| 作者姓名： | 孟艳 潘宏侠 |
| |
| 作者单位： | 中北大学机械工程与自动化学院,山西,太原,030051 |
| |
| 摘 要： | 针对制约径向基函数RBF神经网络发展及其应用的瓶颈问题,提出一种基于粒子群优化算法PSO的改进K-means聚类思想,以确定其隐节点的数目.结合梯度算法,通过最小化目标函数调节隐节点的数据中心、宽度和输出权值,最终达到优化RBF神经网络的目的;同时,将优化后的网络应用于滚动轴承故障模式识别.试验结果表明,该方法能自适应地确定RBF神经网络隐节点的数目并调整其结构参数,使网络具有较快的收敛速度和较高的收敛精度,从而准确地识别滚动轴承的故障模式.
|
| 关 键 词： | RBF神经网络 PSO聚类算法 梯度算法 滚动轴承 模式识别 优化 |
Optimization of RBF Neural Network Based on Combination of PSO Clustering and Gradient-Algorithms |
| |
| Meng Yan,Pan Hongxia.Optimization of RBF Neural Network Based on Combination of PSO Clustering and Gradient-Algorithms[J].Process Automation Instrumentation,2011,32(2). |
| |
| Authors: | Meng Yan Pan Hongxia |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
