一种可在线学习的变结构径向基函数网络及其在-中国科技论文在线.PDF

第 10 期 电　　子　　学　　报 Vol. 27 　No. 10 ___________________________________________________________________________________http:\\ 　1999 年 10 月 ACTA EL ECTRONICA SINICA Oct . 　1999 　 一种可在线学习的变结构径向基函数网络 及其在被动声纳目标识别中的应用 宋爱国 ( 东南大学仪器科学系 ,南京 210018) 　　摘 　要 :提出了一种新颖的隐节点可调的变结构径向基函数网络 ,并应用进化规划最优地确定和调节变结构径向 基函数网络隐层节点的数目及其核函数的中心和宽度 ,从而使网络具有在线学习和记忆新的目标模式的功能. 并将该 网络应用于被动声纳目标的识别和在线学习 ,实验结果表明基于进化规划的变结构径向基函数网络不仅改善了网络 的泛化能力 ,而且能够有效地解决传统神经网络技术在被动声纳目标识别过程中在线学习会造成原有记忆遗忘的困 难. 关键词 : 神经网络 ; 进化规划 ; 被动声纳 ; 在线学习 ; 分类识别 An Novel OnLine Learning Structure Variable Radial Ba sis Function Nets with Application on Passive Sonar Tar get Classification SON G Aiguo ( ) Depart ment of Inst rument Science , Southeast U niversity , N anji n g 210018 , Chi na Abstract : 　In this paper ,a novel structure variable radial basis function networks ( SVRBF networks) is proposed , whose hidden layer nodes can be modified online ,and Evolutionary Computation ( EC) is used to optimally determine and modify the total number of hidden layer nodes and their core function ’s center and width of the SVRBF networks. The SVRBF networks are then used for passive sonar target classification and learning online ,and the result of experiment shows that the EC based SVRBF networks have better generalization performance than kmeans b