论文部分内容阅读
由于径向基神经网络结构简单，学习速度快，具有优异的函数逼近能力，因此在模式识别、系统辨识、数学建模等方面有着广阔的应用前景。在实际应用中，需要根据给定的样本数据确定径向基神经网络的结构和参数，生成的径向基神经网络应正确反映实际问题的输入输出关系。
本文详细论述了径向基神经网络的基本原理和学习算法。传统径向基神经网络算法需要一定先验知识才能从样本数据中确定网络结构和参数，针对这点不足，采取将遗传算法、奇异值分解法和最小二乘法与径向基神经网络相结合的学习算法，该算法能从样本数据中同时确定网络的结构和参数。
在系统地论述遗传算法基本理论和方法的基础上，鉴于简单遗传算法寻优效率较低、容易陷入局部最优的不足，本文采用基于阶段进化的适应性策略、基于交叉概率和变异概率的适应性策略以及精英保留策略对简单遗传算法进行改进。
以往的程序都是采用命令行的形式，不够直观、难理解、使用不方便。本文基于Matlab6.5研究开发了具有界面形式的软件，界面友好、直观、易操作，实例说明该软件是可行的。