對(duì)RBF神經(jīng)網(wǎng)絡(luò)串行可裁減算法（GAP-RBF）的一種改進(jìn).pdf

1、本文對(duì)徑向基(RBF)神經(jīng)網(wǎng)絡(luò)的各種串行在線學(xué)習(xí)算法進(jìn)行了系統(tǒng)的分析研究，根據(jù)RBF網(wǎng)的原理與串行算法的特征提出了把分布式擴(kuò)展卡爾曼濾波器(DecoupledExtendKalmanFilter-DEKF)和串行學(xué)習(xí)相結(jié)合的學(xué)習(xí)方法，新的方法改善RBF網(wǎng)的實(shí)時(shí)在線學(xué)習(xí)的性能。 RBF網(wǎng)絡(luò)隱層中心的選擇與調(diào)整是決定RBF網(wǎng)實(shí)時(shí)性能的重要因素。本文首先對(duì)目前RBF網(wǎng)絡(luò)隱層結(jié)點(diǎn)數(shù)選擇問(wèn)題的幾種通常的串行算法進(jìn)行了分析，并指出它們的優(yōu)點(diǎn)

2、和不足；接著在一種性能優(yōu)良的串行可裁減學(xué)習(xí)方法GAP-RBF(GrowingandPruningRBF)的基礎(chǔ)上，用DEKF方法替換GAP-RBF的EKF方法，提出了一種改進(jìn)的用于訓(xùn)練直連型徑向基神經(jīng)網(wǎng)絡(luò)(DirectLinkingRadialBaseFunctionNetwork-DRBF)的串行學(xué)習(xí)方法，該方法像GAP-RBF一樣不需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行重復(fù)學(xué)習(xí)，因?yàn)镈EKF的運(yùn)算量大大低于EKF，學(xué)習(xí)速度比GAP-RBF快，并且用該方