基于RBFLN网络的改进RBF神经网络学习算法

摘要

提出了一种基于径向基链网络(RBFLN)的改进径向基函数(RBF)网络学习算法.网络结构采用RB-FLN模型,添加输入层对输出层的线性映射,在训练过程中基于最大误差学习样本对资源分配网络(RAN)新性条件进行改动,在不满足新性条件时,采用相似度参数对隐层中心和宽度进行调整;而满足新性条件时,对新增隐层节点也通过类均值的方法做出相应的改进.最后通过对无机建筑材料成分分析的仿真表明该算法可有效地简化网络结构,实现样本正确分类,并获得较好的校验能力.