作　　者： ; ;

机构地区： 广东工业大学信息工程学院

出　　处： 《计算机应用研究》 2008年第3期709-711,共3页

摘　　要： 从RBF神经元的几何意义出发,提出了一种新的用于模式识别的C-RBF神经网络分类器。与传统RBF网络相比,该算法能够自动地优化RBF网络中核函数的个数、中心和宽度,且由于竞争神经元的引入,省去了传统RBF神经网络输出层线性连接权的计算,从而简化了网络的学习过程,大大缩短了训练时间。 According to the geometrical representation of RBF neural model, this paper proposed a new C-RBF neural networks classifier, compared with the traditional RBF neural networks, which had the ability of self-determining the number of hidden units and the centers and widths of the basis functions. Due to introducing the competitive layer, the new algorithm eliminated the computation of the linear combination of the outputs of all the RBF neurons and reduced the long training time and learning complexity.

关 键 词： 模式识别 径向基函数神经网络 竞争 径向基函数神经网络 分类器

领　　域： [自动化与计算机技术] [自动化与计算机技术]