论文部分内容阅读
基于目前RBF网络学习方法中的一些不足，提出了一种基于AGA的混合学习方法，即应用AGA对网络隐单元RBF个数和宽度σ同时优选，并将最佳隐单元数作为K-均值聚类数得到隐单元中心，隐层到输出层的权值由LS法确定。针对K-均值聚类算法对初始值敏感的问题，算法在最后阶段对其执行多次运算，由此选择最佳结果。仿真结果表明，该方法在大样本情况下，训练得到的网络在精度和结构上得到了良好的结合。