徑向基神經(jīng)網(wǎng)絡(luò)的智能學(xué)習(xí)算法及其在軟測(cè)量中的應(yīng)用.pdf

1、在采用RBF神經(jīng)網(wǎng)絡(luò)來(lái)建立軟測(cè)量模型時(shí)，需要確定的參數(shù)比較多。為了能讓模型具有很好的預(yù)測(cè)性能，在實(shí)際建模中，常常會(huì)引入一些智能優(yōu)化的方法來(lái)挑選出合適的網(wǎng)絡(luò)參數(shù)來(lái)參與建模。
　　本文主要研究?jī)?nèi)容如下：
　　1.在采用徑向基神經(jīng)網(wǎng)絡(luò)來(lái)建模時(shí)，其中間隱含層節(jié)點(diǎn)個(gè)數(shù)以及相關(guān)參數(shù)都會(huì)對(duì)模型的性能產(chǎn)生影響。為此我們選用遺傳算法和粒子群算法來(lái)對(duì)徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè)計(jì)。首先需要利用遺傳算法或粒子群算法來(lái)確定模型的結(jié)構(gòu)，結(jié)構(gòu)確定好以后再利

2、用該優(yōu)化算法來(lái)對(duì)徑向基神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化，然后進(jìn)行循環(huán)迭代直至滿足迭代停止條件。最后將得到一個(gè)最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型。這種先確定結(jié)構(gòu)再確定參數(shù)的方法可認(rèn)為是一種串行優(yōu)化。
　　2.采用串行優(yōu)化的方法所建立的模型的運(yùn)算速度比較慢，因?yàn)樵摲椒ㄐ枰眠z傳算法或粒子群算法分別產(chǎn)生兩個(gè)種群，一個(gè)用于確定模型的輸入變量的個(gè)數(shù)和網(wǎng)絡(luò)中間隱含層節(jié)點(diǎn)個(gè)數(shù)，另一個(gè)用于實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)參數(shù)的優(yōu)化，而且優(yōu)化也是分開(kāi)進(jìn)行的。為了提高模型的運(yùn)算效率，我們提出一種并