- 1、本文档共5页,可阅读全部内容。
- 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、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、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)。
查看更多
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
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
文档评论(0)