网站大量收购独家精品文档,联系QQ:2885784924

一种基于聚类的RBF神经网络模型.pdfVIP

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于聚类的RBF神经网络模型.pdf

第29罄第4期 湘 潭 大 学 自 然 科 学 学 报 Vo1.29 No.4 2007年 I2月 Natural Science J()llrhal of Xiangtan University Dec.2o07 一 种基于聚类的RBF神经网络模型 周经野h, 彭相华’, 王智超 , 余敏 (1.湘潭大学信息工程学院,湖南湘潭4l1105; 2.湘潭大学土木工程与力学学院,湖南湘潭4l1105; 3.中南林业科技大学 流变力学与材料工程研究所,湖南长沙410004) [摘要】 应用于工程中的径向基函数(RBF)神经网络模型,当训练样本量很大时常存在训练学习速度慢和拟合精度不 高的问题.针对这一情况提出了一种基于聚类的RBF神经网络(BC—RBFNN)模型.该模型首先通过对训练样本进行聚 类分析,将其分为不同的类,接着根据每类的训练样本构造一个RBF子网并获取其相关参数,接着再将各个子网组织成 一 个BC~RBFNN模型.通过对其进行理论分析和性能检验试验,结果表明该模型能加快网络训练学习速度,缩小的模型 规模,提高网络的预测精度. 关 键 词:聚类分析;径向基函数;RBF子网;BC—RBFNN模型 中图分类号:0221 文献标识码:A 文章编号:1000—5900(2007)04—0099—05 A Model of RBF Neuron Network Based on Clustering ZHOU Jing—ye 。 PENG Xiang—hua , WANG Zhi—chao , YU Min (1.College of Information Engineering-Xiangtan University-Xiangtan 41 1 105 China; 2.College of civil engineering and mechanics。Xiangtan University,Xiangtan 411105 China; 3.Institute of Rh ogical Mechanics and Material Engineering,Central South University of Forestry and Technology,Changsha,410004 China) 【Abstract】In the paper,a model of RBF Neuron Network called BC—RBFNN was presented based on cluste- ring.The model was made up of many RBF subsidiary networks,and every RBF subsidiary network formed ac- cording to the clustering of training data.Investigations reveal that the model possesses desired property.It quick- ens the learning process,reduces the size and improves the forecasting precision of network mode1.In the end, theoretical analysis and experiments were performed on the mode1.The results show that the BC—RBFNN model achieves faster speed,smaller size and higher predicting theoretical that of than the static RBFNN mode1. Key words: c

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档