【期刊】自构造RBF 神经网络及其参数优化

径向基函数神经网络的构造需要确定每个RBF的中心、宽度和数目。该文利用改进的聚类算法自动构造RBFN，考虑样本的类别属性，根据样本分布自动计算RBF的中心和宽度，并确定RBF的数目。所有的网络参数采用非线性优化算法来优化。通过IRIS分类问题和混沌时间序列预测评价自构建RBFN的性能，验证参数优化效果。结果表明，自构造RBFN不但能够自动确定网络结构，而且具有良好的模式分类和函数逼近能力。通过对网络参数的非线性优化，该算法明显改善了网络性能。