用蛙跳算法优化RBF神经网络参数的研究

摘要：

针对径向基函数(Radial Basis Functions,RBF)神经网络结构参数确定问题,提出了一种基于蛙跳算法优化RBF神经网络参数的新方法.将RBF神经网络参数组成一个多维向量,作为蛙跳算法中的参数进行优化.以适应度函数为标准,在可行解空间中搜索最优解,并对蛙跳算法进行了改进.非线性函数逼近实验结果表明,该优化算法相对标准遗传优化算法、粒子群优化算法有较小的均方误差,具有更好的逼近能力.

关键词：蛙跳算法、径向基函数神经网络、非线性函数逼近、参数优化

所属期刊栏目：47

分类号：TP183(自动化基础理论)

资助基金：科技部国际科技合作项目2009DFA12870

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：59-61