[1]刘鑫朝 颜宏文.一种改进的粒子群优化RBF网络学习算法[J].计算机技术与发展,2006,(02):185-187.
LIU Xin-chao,YAN Hong-wen.A RBF Neural Network Learning Algorithm Based on Improved PSO[J].,2006,(02):185-187.
点击复制
一种改进的粒子群优化RBF网络学习算法(
)
《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]
- 卷:
-
- 期数:
-
2006年02期
- 页码:
-
185-187
- 栏目:
-
智能、算法、系统工程
- 出版日期:
-
1900-01-01
文章信息/Info
- Title:
-
A RBF Neural Network Learning Algorithm Based on Improved PSO
- 文章编号:
-
1005-3751（2006）02-0185-03
- 作者:
-
刘鑫朝 颜宏文
-
长沙理工大学计算机与通讯工程学院
- Author(s):
-
LIU Xin-chao; YAN Hong-wen
-
Dept. of Computer and Communication, Changsha Univ. of Sci. and Techn
-
- 关键词:
-
集群智能; 粒子群优化（PSO）; 神经网络; 径向基函数（RBF）; 分组训练合成优化算法
- Keywords:
-
swarm intelligence; particle swarm optimizer; radial basis function; neural network; grouping training and composing optimuzer
- 分类号:
-
TP183
- 文献标志码:
-
A
- 摘要:
-
提出了一种新的用粒子群优化RBF网络学习的算法，即分组训练合成优化。该算法利用粒子之间的合作与竞争以实现对多维复杂空间的高维搜索能力，找出神经网络权值的最优解，以达到优化神经网络学习的目的。通过与用最小二乘法优化的神经网络进行了比较，结果表明算法所优化的神经网络收敛效果明显、收敛速度快
- Abstract:
-
A RBP neural network learning algorithm based on particle swarm optimizers（PSO）, that is grouping training and composing optimizer, is proposed in this paper. The optimizer realizes multi - dimension searching ability to multi - dimension complex space for the best weight of neural network . At last, through the comparison of least square method, the result shows that it is good in speed
备注/Memo
- 备注/Memo:
-
刘鑫朝（1975-），男，陕西西安人，硕士研究生，研究方向为数据挖掘； 颜宏文，副教授，硕士生导师，从事计算机、数据挖掘及人工智能在电力系统的应用的研究教学工作
更新日期/Last Update:
1900-01-01