一种自适应B样条网络学习算法.pdfVIP

电子学报990825 电子学报 ACTA ELECTRONICA SINICA 1999年　第27卷 第8期 Vo1.27 No.8 1999 一种自适应B样条网络学习算法* 范俊波　郝继升 　　【提要】　本文提出B样条网络的一种自适应学习算法.在这种算法中，网络隐层B 样条基函数的个数根据训练数据自动确定，而非零B样条基函数对应的内结点位置和连 接权通过梯度下降法迭代调整.计算机模拟结果表明该算法比现有的B样条网络学习算 法更加有效和实用. 　　关键词:B样条网络，基函数，内结点插入，梯度下降 An Adaptive Learning Algorithm for B-Spline Networks Fan Junbo,Hao Jisheng (Institute of Computer Science Technology,Southwest Jiaotong University,Chengdu 610031) 　　Abstract:　In this paper an adaptive learning algorithm for B-spline networks is presented,in which the number of B-spline functions in the hidden layer is automatically determined from the information contained in training pairs and both weights and interior knot positions corresponding to the non-zero B-spline basis functions are iteratively adjusted by the gradient descent rule.Computer simulation results show that the proposed algorithm is more efficient and feasible than the existing learning algorithm used in B-spline networks. 　　Key words:　B-spline network,Basis function,Interior knot insertion,Gradient descent 一、引　言 ［1］ 　　B样条网络是1989年由Moody提出的一种点阵三层结构联想记忆网络.它在隐层 中使用定义在输入空间点阵上的B样条函数作为基函数，对于任一网络输入，隐层中只 有少数几个B样条函数激活，而网络输出仅由这几个激活的B样条函数的线性组合形成. ［2］ 由于基函数的支集有限，这种网络与广泛使用的BP网络相比有下列特征 ：知识在 网络中是局部存储而不是全局分布式存储，学习也是局部进行的，因而输入空间某一 部分的学习不会影响其它部分的学习结果；学习收敛速度快便于实时在线应用；网络 有较强的模糊知识表示能力.因此，这类网络近年来越来越受到人们的重视，并广泛应 ［1～5］ 用于控制、建模和模式识别等领域 . 　　在B样条网络中，其非线性泛函的逼近能力决定于基函数的阶数、内结点的个数和 分布以及基函数对应的连接权.现有的B样条网络学习算法是在网络开始学习之前其内 结点的个数和分布(通常采用等间隔或不等间隔方式分布)就已经确定，在整个网络学 file:///E|/qk/dianzixb/dian99/dian9908/990825.htm（第 1／10 页）2010-3-2