基于粒子群算法的RBF网络参数优化算法.pdfVIP

第 19卷．第 12期 计 算 机技 术 与发 展 Vo1．19No．12 2009年 12月 COMPUTERTECHNOI~)GYANDDEVELOPMENT Dec． 2009 基于粒子群算法的RBF网络参数优化算法 崔海青，刘希玉 ’ (山东师范大学管理与经济学院，山东济南 250014) 摘 要：针对神经网络的一些缺陷，研究神经网络基于粒子群优化的学习算法，将粒子群优化算法用于RBF神经网络的学 习训练。提出了一种基于粒子群优化(PSO)算法的径向基 (RBF)网络参数优化算法，首先利用减聚类算法确定 网络径向 基函数中心的个数 ，再用 PSO算法优化径向基函数的中心及宽度 ，最后用 PSO算法训练隐含层到输 出层的网络权值 ，找 到神经网络权值的最优解，以达到优化神经网络学习的目的。最后，通过一个实验与最小二乘法优化的神经网络进行了 比较 ，验证了算法的有效性。 关键词：粒子群优化；径向基函数；神经网络；减聚类算法 中图分类号：)[311 文献标识码：A 文章编号：1673—629X(2009)12—0117—03 ParameterOptimizationAlgorithm ofRBF NeuralNetwork BasedonPSO Algorithm CUIHai—qing，LIU Xi—yu (CollegeofManagement ldEconomics，ShandongNormalUniversity，Jinan250014，China) Abstract：A trainingalgorithm forneura1networkbasedonparticleswat-nloptimizationwasinvestigated．Introducedaparameteroptimiaz— tionmethodofradialbasisfunction(RBF)neuralnewtorkalgorithmbasedonparticleswarFrloptimization(PSO)algorithm．First，itused subtractiveclustering methodtodetermineunit’SnunlberinRBF layer．Second。itoptimizedcentralv~sitionanddirectionalwidthused PSO algoritmh ．Third，itoptimizedconnectionweightsbewt eentheRBF layernadtheoutputlayerusedPSO algorithm．Throughthe comparisonofleastsquraemethod，theresultshowsthatitiseffective． Keywords：particleswarm optimization；radialbasisfunction；neuralnetwork；subtractiveclusteringmethod 0 引 言 RBF神经网络。 径向基函数 (RBF)神经网络是一种具有全局收敛 文中结合两者的优点，在减聚类算法确定径向基 的前向网络，通过中间层神经元的非线性传递 ，能够实 函数中心个数的基础上，通过PSL)算法对基函数中心 现任意的从输入空间到输出空间的映射，可以唯一任 参数进行优化，并利用PS()算法调整网络隐含层到输 意精度逼近任何连续函数 1【，2]。已被广泛应用于模式 出层的连接权值，达到对 RBF神经网络整体优化的效 识别、函数逼近、信号处理和控制领域。