基于QPSO算法优化的RBF神经网络设计

摘要：

提出基于QPSO算法优化的RBF神经网络.此网络的核心算法是将RBF神经网络的参数组成1个向量,构造成QPSO算法中的粒子,由此在可行范围内搜索一组使网络均方误差最小的最优解.实例仿真部分分别用优化前后的网络对Legendre函数进行函数逼近.研究结果表明:经过优化的RBF网络与传统RBF网络相比具有计算精度高、收敛速度快的优点.

关键词： RBF神经网络 量子行为粒子群算法 参数优化 函数逼近

作者: 刘梓溪 张航

作者单位: 四川大学 电子信息学院,四川成都,610000

会议类型: 国内会议

会议名称: 2013年中国智能自动化会议

会议地点: 扬州

会议语种:中文

页码: 27-30

在线出版日期: 2013-08-01（万方平台首次上网日期，不代表论文的发表时间）