文献类型：期刊文献

中文题名：基于递推正交最小二乘的RBF网络结构优化

英文题名：An Optimizing Algorithm of Recursive Orthogonal Least Squares Based on RBF Nets

作者：范文兵[1];陶振麟[1];张素贞[1]

机构：[1]华东理工大学自动化研究所,上海200237

年份：2001

卷号：27

期号：5

起止页码：503

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;国家哲学社会科学学术期刊数据库;Scopus;北大核心:【北大核心2000】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：RPCL聚类算法;递推正交最小二乘算法;RBF网络反向优选算法;网络结构;学习算法

外文关键词：RPCL clustering method; ROLS algorithm; RBF netwokr; backward selection method;

摘要：讨论了次胜者受罚的竞争学习规则 ,提出了基于正交最小二乘 ( OLS)递推算法 ,采用改进的 Givens旋转变换技术避免了大型矩阵的 QR分解运算。在满足系统测量精度条件下 ,使用反向优选算法优化 RBF网络结构。仿真结果表明 ,所得算法能有效地解决网络学习隐层单元的确定需要人介入的问题 。
This paper discusses rival penalized competitive learning and proposes the recursive orthogonal least squares algorithm. The use of modified Givens rotations avoids orthogonal decompositioin of complex matrices. In case of satisfying measure accuracy, backward selection method reduces the architecture of RBF networks. Simulation results show that algorithms can effectively calculate the number of hidden layer nodes on network learning without intervention and the method could be applied to nonlinear system ...