首页> 中文期刊> 《计算机工程与科学》 >基于增量学习的RBF神经网络的噪声源识别

基于增量学习的RBF神经网络的噪声源识别

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

团队文献服务 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型.该模型采用PCM聚类算法并具有增量学习能力,网络输出节点在线可调,保证了网络具有较高的泛化能力和一定的学习新故障模式的能力.仿真结果表明,该模型是有效的.

著录项

来源
《计算机工程与科学》 |2008年第11期|118-119133|共3页
作者
高志华; 李朝旭; 田立业;
展开▼
作者单位

海军工程大学计算机工程系;

湖北;

武汉;

430033;

空军工程大学自动化工程系;

陕西;

西安;

710038;

海军工程大学计算机工程系;

湖北;

武汉;

430033;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工智能理论 ;
关键词
径向基函数 ; 可能性C均值聚类; 增量学习 ;

相似文献

中文文献
外文文献
专利

1. 可增量学习的水下航行器噪声源识别中聚类算法研究 [J] . 高志华 ,贲可荣 ,章林柯 . 计算机工程与科学 . 2010 ,第009期
2. 图像制导中的一种改进增量学习RBF神经网络 [J] . 梁涛 ,李庆震 ,赵久奋 . 弹箭与制导学报 . 2010 ,第005期
3. 采用SOM和RBF神经网络优化的水下航行器噪声源识别 [J] . 涂松 ,贲可荣 ,徐荣武 . 计算机工程与科学 . 2007 ,第010期
4. 基于改进RX增量学习的高光谱图像异常检测 [J] . 白玉 ,刘丽娜 ,张宁 . 电光与控制 . 2022 ,第2期
5. 基于核密度估计的集成剪枝和增量学习时间序列预测方法 [J] . 朱钢樑 . 计算机与数字工程 . 2021 ,第004期
6. 基于增量学习的RBF神经网络的噪声源识别 [C] . . 2008年全国理论计算机科学学术年会 . 2008
7. 基于RBF神经网络的集成增量学习方法研究 [A] . 赵翠翠 . 2014

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号