文件名称：适应动态环境的繁殖和竞争径向基函数网络
文件大小：223KB
文件格式：PDF
更新时间：2024-07-19 11:31:02
学术 论文
适应动态环境的再生和竞争径向基函数网络 适应动态环境的再生和竞争径向基函数网络 Koji Okuhara 管理和信息科学系，广岛县大学，Shyobara，日本 727-0023 Koji Sasaki 和 Shunji Osaki 工程学院， Hiroshima University, Higashi-Hiroshima, Japan 739-8527 总结 径向基函数网络是一种适用于函数逼近问题和模式识别的神经网络。 径向基函数网络具有对每个神经元进行局部学习的能力，使其优于多层神经网络。 但是，径向基函数网络逼近未知非线性函数所需的神经元数量事先并不清楚，这会导致学习延迟和过拟合。 我们最初提出了一个竞争性径向基函数网络来解决这些问题。 所提出的竞争径向基函数网络可以通过考虑突触权重之间竞争的突触可塑性方程有效地学习。 竞争径向基函数网络具有去除冗余径向基函数的能力，但不能添加必要的径向基函数。 因此，在本文中，我们基于对突触可塑性方程的研究，提出了一种添加必要神经元的有效方法。 在该方法中，新添加的径向基函数继承了学习收敛时获得的径向基函数的一些性质。 然后我们提出了一个再生和竞