论文部分内容阅读
径向基函数神经网络(RBFNN)是一种重要的前馈型人工神经网络。由于其结构简单、训练步骤清晰、并且具有良好的推广能力，RBFNN被广泛地应用到各类信息处理问题上。但对于一个给定的问题，如何设计RBFNN的隐单元，特别是如何确定隐单元的个数依然是一个相当困难的问题。实际中，人们一般是凭经验或根据试凑法确定隐层单元个数，然后进一步训练出隐单元的参数(即中心值、宽度等)。这样做很难得到理想的效果。
本文将贝叶斯阴阳(BYY)谐和学习算法应用于RBFNN隐单元个数的选取和训练上。通过BYY谐和学习，能够发现输入样本空间的数据结构。因此，可以确定出RBFNN中的隐单元个数及隐单元的中心值和宽度等参数。本文将基于贝叶斯阴阳(BYY)谐和学习算法的RBFNN应用于有噪声的异或问题和时间序列的预测中，取得了很好的效果。