基于蟻群算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化算法.pdf

1、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network，RBFNN)以其簡單的網(wǎng)絡(luò)結(jié)構(gòu)、快速的訓(xùn)練過程和良好的推廣能力等諸多優(yōu)點在許多應(yīng)用領(lǐng)域取得了成功。在RBFNN中，隱層單元的中心位置和相應(yīng)寬度值的選擇是整個網(wǎng)絡(luò)性能優(yōu)劣的關(guān)鍵，直接影響網(wǎng)絡(luò)的逼近能力。蟻群優(yōu)化算法是基于螞蟻群體覓食過程中沿最短路徑行進的生物學(xué)行為發(fā)展起來的一類群智能優(yōu)化方法，具有很強的發(fā)現(xiàn)較好解的能力。本文重點研究了利用蟻群優(yōu)化

2、算法對RBFNN隱層單元的中心位置和寬度值的優(yōu)化。全文的主要工作體現(xiàn)在以下幾個方面： 1蟻群優(yōu)化算法已成為計算智能方法中的一個重要分支，并在很多國際會議上作為專題加以討論，成為蓬勃發(fā)展的熱點研究課題。本文主要對蟻群算法的數(shù)學(xué)描述及其特點進行了闡述，介紹了蟻群算法的幾種改進方法以及蟻群算法的發(fā)展和研究現(xiàn)狀。 2利用蟻群算法的并行尋優(yōu)特征和一種自適應(yīng)調(diào)整揮發(fā)系數(shù)的方法，提出一種新的聚類算法來確定RBFNN中基函數(shù)的位置。通過

3、一種裁減的方法除去對整個網(wǎng)絡(luò)的輸出貢獻不是很重要的隱層單元來約簡隱含層的神經(jīng)元，以達到簡化RBFNN結(jié)構(gòu)的目的。優(yōu)化后的RBFNN的結(jié)構(gòu)小，泛化能力得到了提高。 3提出了一種 RBFNN中心參數(shù)仿生優(yōu)化算法。該算法分兩階段完成，第一階段用改進的蟻群優(yōu)化算法進行網(wǎng)絡(luò)參數(shù)優(yōu)化：第二階段利用最速下降法對第一階段得到的網(wǎng)絡(luò)參數(shù)進行進一步的優(yōu)化，以得到更加精確的網(wǎng)絡(luò)參數(shù)。將此優(yōu)化算法應(yīng)用到IRIS和雙螺旋分類問題以及人臉識別問題中，實驗表