一种改进的RBF神经网络多目标优化算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP301.6

基金项目:

资助项目:长沙市科技计划项目(K0901022-11)


An Improved Multi-Objective Optimization Algorithm for RBF Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对RBF网络训练中的多目标优化问题,提出了一种基于Pareto方法的改进的非支配排序遗传算法INSGA(Improved Non-dominated Sorting Genetic Algorithm)。通过对某企业的订单数据进行预测的实验结果表明,它可以有效地解决以训练误差和测试误差为优化准则的RBF网络的参数确定问题,验证了改进的NSGA算法与RBF网络结合的可行性。

    Abstract:

    This paper proposes an Improved Non-dominated Sorting Genetic Algorithm or INSGA aimed to the multi-objective optimization problem in RBF network. The experimental results of commerce order- predicting show that the new algorithm can effectively solve the parameters optimization problem of RBF network which the optimization criterions are composed of training error and testing error.

    参考文献
    相似文献
    引证文献
引用本文

肖忠良,李智勇,贾宜. 一种改进的RBF神经网络多目标优化算法[J]. 科学技术与工程, 2009, 9(21): .
xiao zhongliang, LI Zhi-yong, Jia Yi. An Improved Multi-Objective Optimization Algorithm for RBF Neural Network[J]. Science Technology and Engineering,2009,9(21).

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-08-03
  • 最后修改日期:2009-08-18
  • 录用日期:2009-08-17
  • 在线发布日期: 2009-11-02
  • 出版日期:
×
律回春渐,新元肇启|《科学技术与工程》编辑部恭祝新岁!
亟待确认版面费归属稿件,敬请作者关注