基于模糊聚类的RBF神经网络算法.pdfVIP

维普资讯 计 量 测 试 与 检 定 MEirRoLCIGY；TEST。1ECHNOLoG 。＆V田IFlcA下IoN 基于模糊聚类的 RBF神经网络算法 平庆 杰 (东莞出入境检验检疫局，广东 东莞 513012) [摘 要]文章提出一种根据模糊聚类的思想来确定 RBF神经网络隐层节点数，并用 K—Means的聚类算法来训练 RBF神经网络。并根据此算法进行仿真，并证明是有效的。 [关键词]模糊聚类；K—Means算法；RBF神经网络 [中图分类号]TP183 [文献标识码]B [文章编号]1002—1183(2006)06—0008—03 RBFNeuralNetworkAlgorithm BasedontheFuzzyClustering PINGQing—fie (DongGuanEntry—ExitInspectionandQuat’antine，Dongguan513012，China) Abstract：A new methodbasedonfuzzyclusteringispresented todeterminenodenumberofhiddenlayerofRBFneuralnet- work．RBFneuralnetworkwastrainedbyuseofK-Meansalgorithm ．Relationshipbetweentemperatureanddeformationof postinworkingprocessofgear—hobbingmachinewaspredictedbythealgorithm ．Resultsprovethatitiseffective， Keywords．fuzzyclustering；K—Meansalgorithm；RBFneuralnetwork RBF网络是一种特殊的单隐层的前向神经网络， 入训练样本 瓦 时，网络第 个输出神经元的实际输 结构简单，训练简洁而且学习收敛速度快，遵循万能 三 出为：yf( )= ×j5( ， i) (J-=1，2， 逼近定理：只要隐节点数 目足够多，它能以任意精度 i=J 逼近紧集上的连续函数。因此 RBF网络有较为广泛 … ， I，) 的应用，如时间序列分析、模式识别、非线性控制和 RBF网学习算法主要解决以下几个问题：结构 图象处理等。 设计，即如何确定网络隐层节点数；确定径向基函数 RBF网络结构通常由三层构成：第一层输入 的数据中心和宽度。常见的选取RBF中心的方法有： 层，第二层隐含层 ，第三层是输出层。RBF神经网 随机选取中心法、自组织选取中心法、有监督选取中 络的基本思想是：用径向基函数作为隐单元的基对 心法和正交最小二乘法。但这些方法都根据先验知识 输入矢量进行变换，将低维模式的数据变换到高维 来事先确定网络的中心个数，虽然根据 kolomogorov 空间去，使得在低维空间内的线形不可分在高维空 定理表明前馈神经网隐层节点数理论计算值是2n+1 间内得以解决。设训练样本集合 =[ ， ：，…， (n为输入层节点数)。但此定理在径向基函数的中心 ，v]，任一训练样本 X =[ l，戤2，…， ]， 选取中却达不到预期效果，因为中心点的个数虽然知 隐层有 ，个神经元，任一神经元用 i表示 ，j5( ， 道，但在大样本集合中选取哪几个样本作为中心点却 无法得知，同时中心数不仅与网络输入层的节点数有 置)为基