• 中国计算机学会会刊
  • 中国科技核心期刊
  • 中文核心期刊

J4 ›› 2008, Vol. 30 ›› Issue (11): 118-119.

• 论文 • 上一篇    下一篇

基于增量学习的RBF神经网络的噪声源识别

高志华[1] 李朝旭[2] 田立业[1]   

  • 出版日期:2008-11-01 发布日期:2010-05-19

  • Online:2008-11-01 Published:2010-05-19

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