RBF神经网络LM算法的改进

王永辉（哈尔滨石油学院，黑龙江哈尔滨，150027）



RBF神经网络LM算法的改进

王永辉
（哈尔滨石油学院，黑龙江哈尔滨，150027）

摘要：文章对现有的RBF神经网络算法进行改进，改进的基本思想是：采用L-M算法训练RBF网络，并对L-M算法的重要参数提出一种随迭代步数的动态调整方法，从而提高运算的精度和效率，并经过仿真验证了提出改进方案的有效性。

关键词：RBF神经网络；算法；改进

自从1989年多层神经网络被证明是连续函数的一致逼近器以来，人工神经网络研究得到了长足发展，现已被广泛应用于各个研究领域。本文研究的是在已有神经网络算法基础上进行改进优化，使其运算精度和计算效率更高。

1　径向基函数

径向基函数（radial baisi function，RBF），是在高维空间进行插值的一种技术，是由J.moody和C.Darken于20世纪80年代提出的一种神经网络结构类型。径向基函数通常定义为空间中任一点到某一中心之间欧氏距离的单调函数，如式（1）所示。

RBF网络是一种前向网络，它能够以任意精度逼近任意连续函数。它共有三层。信号源结点组成输入层；隐含层为第二层，隐单元数根据将要描述问题的情况进行确定，隐单元采用的是RBF径向基变换函数，第三层为线性输出层。

关于RBF网络模型的确定方法，输入节点和输出节点根据要解决的具体问题确定，输入节点的个数，就是影响因素的数目，而输出节点的个数即为评价结果的等级数。隐层节点通常根据聚类算法或多次试验决定。令输入层由n个节点，隐层有h个节点，输出层有m个节点，网络模型如图1所示。……