一种基于聚类的RBF神经网络模型
周经野[1] 彭相华[1] 王智超[2] 余敏[3]
[1]湘潭大学信息工程学院,湖南湘潭411105 [2]湘潭大学土木工程与力学学院,湖南湘潭411105 [3]中南林业科技大学流变力学与材料工程研究所,湖南长沙410004
摘 要:
应用于工程中的径向基函数（RBF）神经网络模型，当训练样本量很大时常存在训练学习速度慢和拟合精度不高的问题．针对这一情况提出了一种基于聚类的RBF神经网络（BC—RBFNN）模型．该模型首先通过对训练样本进行聚类分析，将其分为不同的类，接着根据每类的训练样本构造一个RBF子网并获取其相关参数，接着再将各个子网组织成一个BC-RBFNN模型．通过对其进行理论分析和性能检验试验，结果表明该模型能加快网络训练学习速度，缩小的模型规模，提高网络的预测精度． (共5页)
相关期刊
关注本文的人:
看过本文的人还看过:
cqvip.com