基于信息强度的RBF神经网络结构设计研究

作     者：韩红桂 乔俊飞 薄迎春 

作者机构：北京工业大学电子信息与控制工程学院北京100124 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2012年第38卷第7期

页      面：1083-1090页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61034008) 北京市自然科学基金(4122006) 北京市创新人才建设计划(PHR201006103) 北京市教育委员会科技发展计划(KZ201010005005)资助 

主　　题：弹性RBF神经网络 结构设计 非线性系统 动态特征响应 

摘      要：在系统研究前馈神经网络的基础上,针对径向基函数(Radial basis function,RBF)网络的结构设计问题,提出一种弹性RBF神经网络结构优化设计方法.利用隐含层神经元的输出信息(Output-information,OI)以及隐含层神经元与输出层神经元间的交互信息(Multi-information,MI)分析网络的连接强度,以此判断增加或删除RBF神经网络隐含层神经元,同时调整神经网络的拓扑结构,有效地解决了RBF神经网络结构设计问题;利用梯度下降的参数修正算法保证了最终RBF网络的精度,实现了神经网络的结构和参数自校正.通过对典型非线性函数的逼近与污水处理过程关键水质参数建模,结果证明了该弹性RBF具有良好的动态特征响应能力和逼近能力,尤其是在训练速度、泛化能力、最终网络结构等方面较之最小资源神经网络(Minimalresourceallocationnetworks,MRAN)、增长修剪RBF神经网络(Generalized growing and pruning RBF,GGAP-RBF)和自组织RBF神经网络(Self-organizing RBF,SORBF)有较大的提高.