带优选聚类算法的 RBF 网络辨识器及应用

以RBF 神经网络为模型框架, 解决非线性系统的辨识问题。 针对RBF 网络的结构辨识问题, 提 出一种优选聚类算法, 并用该算法, 依据输入样本优选确定RBF 神经网络的隐含层节点个数, 采用新型 二阶递推学习算法估计RBF 网络中的参数和权值。上述混合算法, 同时解决了RBF 网络结构和参数辨 识问题, 大大提高了RBF 网络的建模和预测精度。应用实例表明了所提出方案的有效性。