一種RBF神經(jīng)網(wǎng)絡(luò )的自適應學(xué)習算法

以x(x=x1，x2)為輸入矢量，其中，x1和x2分別以1為間隔在區間[0，9]內均勻取值，一共得到100組輸入數據(x1，x2)。選取ε=0．02，θ=0．3，ρ1=0．1，ρ2=0．05。經(jīng)過(guò)20次訓練，最后得到的網(wǎng)絡(luò )具有41個(gè)隱層節點(diǎn)，系統的均方誤差為0．023 3。擬合后的曲面圖像如圖3所示。

(2)對θ取不同值時(shí)的比較，結果如表1～表3所示。

4 結語(yǔ)
針對RBF神經(jīng)網(wǎng)絡(luò )隱層節點(diǎn)的參數和數量難以確定的問(wèn)題，提出了一種自適應的學(xué)習算法。該算法事先不需要確定隱層節點(diǎn)的中心位置和數量，而是通過(guò)相應的添加和刪除策略實(shí)現的。添加策略是根據輸出誤差在輸入空間分布的不均勻而提出的，通過(guò)執行相應的操作可以使隱層節點(diǎn)的數目在學(xué)習過(guò)程中自適應的增加。同時(shí)，為了使隱層節點(diǎn)數目不過(guò)于膨脹，還制定了刪除策略。它先分析每個(gè)隱層節點(diǎn)對整個(gè)網(wǎng)絡(luò )所作的貢獻，然后刪除貢獻小的節點(diǎn)，以保持網(wǎng)絡(luò )結構簡(jiǎn)單。仿真研究表明，該網(wǎng)絡(luò )不僅靈活性高，結構簡(jiǎn)單，精度高，而且具有較好的泛化能力。