一种适于函数逼近的混合RBF专家网络快速算法.pdfVIP

微电子学与计算机 VoI .25 No.2 25 卷第2 期 February 笃沁8 2008 年2 月 MICROELECfRONICS α)MPUTER 一种适于函数逼近的混合 RBF 专家网络快速算法 倪效勇，王典洪，张红剑 {中国地质大学饥电学院，湖北武汉 4筑)074) 摘 要:提出-种适于函数逼近的 RBF混合专家网络快速，事法。算法采用快速近邻法的思想.将样本集分级分解 为不同子集，依靠测试样本集的误差估计.获得每个专家网络的网络结构z 门网采用学习矢量量化神经网络，根据 空间距离最近的原则，得到系统输出。仿真结果表明了算法的有效性。 关键词:函数逼近:混合专家网络;误差估计z 学习矢量最化 中图分类号: TP1 83 文献标识码:A 文.编号: 1仪)() -7180(2∞8)02-∞17 -04 Quick Algorithm to Mixture of RBF Experts Network for Function Approximation NI Xiao-yong , WANG Dian-ho吨， ZJ认NG H ong-jian (lnstitute of Mechanical 町、d Electronic, China University of Ge::配ien俑， Wuhan 4筑即74，。世na) AIlstract: A quick a1goritJun to Mixture of RBF Experts netw回k for function approximate is presented. FirstJy a11sam阳 are divided into r立即e little pans by quick n四rest neighbors. Each 剧院rt network 筑ruct町穹回n be achiev创by oomparing 由et回errors. LVQ (Leaming Vector Q四川阻tion) n四T81 network is 8Iopted in gate network 四d nct咱也ωtput is obtained by the n臼Z回t rule in 等跑回. The simulation indi臼t自由e effici回cy of the algorithm. Keyw，睛也: function approxima价值1: mixture of e浏阳ts network; error 由timation; LVQ 文中提出一种混合RBF专家网络的快速算法， 1 51 言 可以快速、准确地获得专家网络的结构形式。该算 RBF( radial basis function)神经网络是一种具有 法首先采用快速近邻算法思想，将路个样本输入空 全局逼近且不存在局部最小值的前向神经网络模 间分级划分为更小的局部区域，然后通过比较测试 型，广泛应用于系统辨识和函数逼近( 1 .2)。由于 误差的方法，寻找局部最佳映射关系，进而构成整个 混合专家网络。 RBF 神经网络仅包含一个隐含层，具有结构简单、 学习速度快的特点。但随着样本数量和样本维数的 2 混合 RBF 专家网络 增加，RBF 只能依靠不断增加隐含层节点来提高函