一种基于GMDH模型的神经网络学习算法.pdfVIP

云南大学学报 (自然科学版)，2008，30 (6)：569～574 CN 53—1045／N 0258—7971 JournalofYunnanUniversity 一 种基于GMDH模型的神经网络学习算法 陈建平 一，杨宜民 ，张会章 ，陈学松 (1．广东工业大学 自动化学院，广东 广州 510090；2．肇庆学院计算机科学与软件学院，广东 肇庆 526061) 摘要：从简要归纳与分析现有的神经网络模型的角度出发，讨论了GMDH网络模型的结构、特点及其输入 输出关系．提出了一种基于 GMDH模型的神经网络学习算法，详细阐述了该算法的主要设计思想与实现过程 ， 并就算法停止准则和网络最佳层数问题进行了仿真研究．实践表明，该算法 自组织性强，表现出了较好的泛化 能力和稳定性． 关键词：神经网络；学习算法；GMDH；自组织 中图分类号：TP183 文献标识码 ：A 文章编号：0258—7971(2008)06—0569—06 神经网络的研究至今已有 70多年的历史．20 自组织控制原理的基础上，基于GMDH(数据群处 世纪40年代初期，心理学家 Mcculloch和数学家 理方法)模型提出了一种有效的神经网络学习算 Pitts提出了形式神经元的数学模型，并研究了基 法 ． 于神经元模型几个基本元件互相连接的潜在功 1 GMDH 网络模型 能_l1j．随后，Hebb对神经系统中的自适应定律进行 GMDH模型是 由Ivakhnenko于 1971年为了 了研究 ，并提出了改变神经元连接强度的Hebb规 预报海洋河流中的鱼群而提出的2．由于 GMDH 则；Rosenblatt引入了感知器 (Perceptron)的概念， 模型具有前馈网络的结构，因此人们通常将它作为 并提出了构造感知器结构的实现方法E1j．这些对 前馈网络的一种，称之为多项式网络 3【,4j．图1所 以后神经网络的研究起到了很大作用 ．作为一种新 示模型结构是一个典型的GMDH网络，它由4个 技术 ，神经网络的产生和发展引起了人们的巨大关 输入和单输出构成． 注，并越来越多地应用于智能控制领域当中．神经 网络发展到现在，人们已经提出了许多适用的神经 网络结构模型，但这些模型大致可分为前馈神经网 络模型和反馈神经网络模型2种_1j1．常见的前馈模 型有 BP(BackPropagation)模型，RBF(RadialBasis Function)模型，GMDH(theGroupMethodofData 三一 Handling)模型等，常见的反馈模型有 CG(Cohen— 图1 GMDH模型的典型网络结构 Grossberg)模型 ，BSB(Brain—State—in—a—Box) Fig．1A typicalstructureofGMDH model 模型，Hopfield模型，Boltzmann模型等． 如何从海量的数据中提取所需信息已经成为 1．1 GMDH 网络 的特点 从 图 1不难看 出， 了目前系统分析和决策的关键．通常的数据挖掘方 GMDH网络主要具有以下所述的一些特点 ．网络 法有基于回归分析的计量统计方法、神经网络，以 的输入层神经元 (节点)只负责传递输人信号到中 及基于控制理论的模糊逻辑、进化算法等．本文在 间隐层神经元 (节点)；隐层的每一节点及输出节点 * 收稿 日期：2008—03—18 基金项 目：肇庆市科技计划资助项 目(2007GO13)． 作者简介：陈建平 (1975一 )，男，湖南人 ，讲师，博士生，主要从事智能机器人与人工智能等方面的研究． 通讯作者：杨宜民(1945一 )，男 ，教授，广东人 ，博士生导师，主要从事智能机器人与人工智能等方面的研究 570 云南大学学报(自然科学版)