基于人工免疫原理的RBF网络预测模型.pdfVIP

第34卷 第2期 计 算 机 工 程 2008年1月 V_01．34 No．2 Computer Engineering January 2008 · 人工智能及识别技术· 文章编号：10oo一3428(20o8)o 2o2__ 4 文献标识码：A 中圈分类号：TP18 基于人工免疫原理的RBF网络预测模型 蒋华刚，吴取锋 (上海大学计算机工程与科学学院，上海 200072) 摘 要：提出一个基于人工免疫原理的RBF网络预测模型AIP—RBF，该模型使用新的克隆选择算法和免疫抑制策略，通过隐层可行解的 抽取算法EAHLFS，能在聚类数目未知的情况下，生成RBF网络隐层。给出了改进的隐层节点重要度(SHLN)概念，用于指导RBF网络第 2阶段的训练过程。与传统的基于聚类算法的预测模型比较，AIP—RBF具有更快的收敛速度和更高的预测精度，在实际盾构施工地面沉降 预测中得到了验证。 关健词：RBF网络；人工免疫原理；回归；预测模型 RBF Network Prediction Model Based on Artificial Immune Principal JIANG Hua-gang．WU Geng-feng (Department of Computer Science，Shanghai University，Shanghai 200072) [Abstractl This paper proposes an artificial immune principle based RBF network prediction model named AIP-RBF which uses the new clonal selection algorithm and immunosuppressive strategy．By using Extraction Algorithm of Hidden Layer Feasible Solution(EAHLFS)，AIP—RBF is able tO get the hidden layer of RBF without knowing the clustering number．The paper presents an improved Significance of Hidden Layer Node(SHLN) used in the second phase of the RBF training process．Comp~ed with the traditional clustering algorithm based prediction model，AIP—RBF has faster convergence speed and higher prediction precision which has been verified tO predict the actual shield construction ground subsidence． [Key words!RBF network；artificial immune principal；regression；prediction model 径向基函数神经网络(radial basis function neural network) 法对训练数据集特征聚类而得到 RBF网络的隐层。建立 是一种新颖有效的前馈式神经网络…，能在任意精度下逼近 AIP—RBF的流程如图1所示。 任意非线性函数，具有优秀的学习能力、泛化能力和训练速 i l训练数据集 ： 度快等优点，广泛应用于模型预测中。RBF网络学习过程分