| 基于MQPSO—LQPSO的RBF神经网络训练方法 |
| |
| 引用本文： | 蔡继亮,叶微. 基于MQPSO—LQPSO的RBF神经网络训练方法[J]. 现代电子技术, 2010, 33(4): 157-159 |
| |
| 作者姓名： | 蔡继亮 叶微 |
| |
| 作者单位： | 空军工程大学,理学院,陕西,西安,710051 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 带有局部搜索的量子粒子群算法是一种较为成功的改进型量子粒子群算法。将该算法用于RBF神经网络的结构优化和参数优化，在确定网络参数的同时也确定了网络的结构。在函数逼近上的仿真实验表明，这种优化是有效的。
|
| 关 键 词： | 带有局部搜索的量子粒子群算法 RBF神经网络 结构优化 参数优化 |
RBF Neural Network Training Based on MQPSO-LQPSO |
| |
| CAI Jiliang,YE Wei. RBF Neural Network Training Based on MQPSO-LQPSO[J]. Modern Electronic Technique, 2010, 33(4): 157-159 |
| |
| Authors: | CAI Jiliang YE Wei |
| |
| Affiliation: | CAI Jiliang,YE Wei(College of Science,Air Force Engineering University,Xi' an,710051,China) |
| |
| Abstract: | Quantum-Behaved Particle Swarm Optimization with Generalized Local Search Operator(MQPSO-LQPSO)is a very successful algorithm of modified QPSO.This algorithm is used to find the best structure and parameters of RBF neural network.They are both determined when finishing training.Experiments on functional approach show this method is effective. |
| |
| Keywords: | MQPSO-LQPSO RBF neural network structure optimization parameter optimization |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
