王华丽
- 作品数：3 被引量：10H指数：2
- 供职机构：重庆大学计算机学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于熵聚类的RBF神经网络训练算法研究
- 信息熵是信息量的度量，利用数据样本的信息熵可揭示系统的某些内在特性。对于数据聚类，信息熵具有其应用价值。以样本聚类为基础的径向基函数(RBF)神经网络是一种结构简单、训练简洁、应用广泛的人工神经网络。其网络性能好坏的关键...
- 王华丽
- 关键词：径向基函数神经网络
- 基于熵聚类的泛函网络神经元函数优化
- 2011年
- 泛函网络是神经网络的一般化推广,至今还没有统一的系统设计方法能够对给定问题设计出近似最优的结构。为了获得良好的网络结构,本文利用熵聚类的思想,提出一基于熵聚类思想的设计泛函网络的方法,对网络每一神经元的共存且相互影响的基函数和泛函参数进行最优搜索,实现泛函网络结构和泛函参数的共同学习。对一非线性函数进行逼近比较仿真实验,结果表明,逼近效果较好,且收敛速度较快,并表明所设计的泛函网络有效地提高了泛函网络的收敛精度,还可获得更为合理的网络结构。
- 覃迺智王华丽周尚波
- 关键词：泛函网络
- 基于熵聚类的RBF神经网络学习算法被引量：6
- 2008年
- RBF神经网络中心向量的确定是整个网络学习的关键,最常用确定中心向量的方法是K均值聚类算法,对聚类中心的初值选择非常敏感,选择的不好,容易减低网络的训练性能。为克服以上问题,提出了一种熵聚类的方法来自动确定RBF神经网络隐结点的中心个数及其初始值,实现K均值聚类算法的初始化,再用改进的K均值聚类算法调整RBF神经网络的中心和训练宽度。并将上述算法用于函数逼近问题。实验结果表明:改进的算法与常规的K均值聚类算法相比,提高了训练速度和逼近精度。
- 王华丽周尚波
- 关键词：径向基函数神经网络均值聚类算法
