典型文献
基于归一化最小均方算法的自适应核RBFNN
文献摘要：
为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法.在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练.在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差.
文献关键词：
自适应滤波;RBF神经网络;归一化最小均方算法;非线性系统辨识
中图分类号：
作者姓名：
火元莲;巩琪;齐永锋;安娅琦
作者机构：
西北师范大学 物理与电子工程学院, 兰州730070;西北师范大学 计算机科学与工程学院,兰州730070
文献出处：
引用格式：
[1]火元莲;巩琪;齐永锋;安娅琦-.基于归一化最小均方算法的自适应核RBFNN)[J].北京邮电大学学报,2022(02):29-35
A类：
B类：
归一化最小均方算法,RBFNN,径向基函数神经网络,收敛速度,稳态误差,方为,梯度下降算法,步长因子,NLMS,权系数,新训,非线性系统辨识,模式分类,算法训练,自适应滤波
AB值：
0.225963
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
