J4 ›› 2008, Vol. 30 ›› Issue (11): 118-119.
• 论文 • 上一篇 下一篇
高志华[1] 李朝旭[2] 田立业[1]
出版日期:
发布日期:
Online:
Published:
摘要:
本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型。该模型采用PCM聚类算法并具有增量学习能力,网络输出节点在线可调,保证了网络具有较高的泛化能力和一定的学习新故障模式的能力。仿真结果表明,该模型是有效的。
关键词: 径向基函数 可能性C均值聚类 增量学习
Abstract:
A RBF fuzzy neural network for targeting the characteristics of acoustic fault sources of underwater vehicles is presented. The neural network uses th e possibilistic C-means(PCM) clustering algorithm. The output layer neurons can be modified on-line so that the network has the capability of incremen ntal learning. An example of diagnosis indicates that the proposed neural network is efficient.
Key words: radial basis function (RBF) ;possibilistic C-means clustering(PCM), incremental learning
高志华[1] 李朝旭[2] 田立业[1]. 基于增量学习的RBF神经网络的噪声源识别[J]. J4, 2008, 30(11): 118-119.
0 / / 推荐
导出引用管理器 EndNote|Ris|BibTeX
链接本文: http://joces.nudt.edu.cn/CN/
http://joces.nudt.edu.cn/CN/Y2008/V30/I11/118