径向基函数神经网络的一种有效的在线学习方法

摘要

本文提出了一种径向基函数神经网络的有效在线学习方法.该学习方法不仅能根据输入信息的增加而动态地分配网络资源,而且能有效回收网络的冗余资源.在学习过程中网络的参数可以自适应地序贯进行调整.文中详细论述了这种神经网络的学习准则、动态增减隐节点算法和参数调整算法.同时通过分析和实验说明网络具有较强的映射能力和预测性能.