论文部分内容阅读
本文首先阐述了前向神经网络的结构以及经典的反向传播学习算法，尤其是对RBF网络的各种学习算法进行了比较系统的分析研究，然后又介绍了进化计算的思想和算法框架，并把这种算法思想引入到BP网络学习思想中去对BP算法进行了改进。 由于前馈神经网络结构和学习算法的多样性以及对原有训练样本的必然依赖性的缺点，一直没有一种通用的增长学习算法。本文利用前馈网络的结构与权值信息重新生成样本来代表学习过的旧样本，提出了一种新的通用增长学习算法。同时为了解决新旧知识可能发生的冲突问题，对重新生成的代表样本进行了评估。 接着利用RBF网络结构特点与模式识别思想的一致性提出了一种改进的RBF网络，并系统的介绍了新网络的结构和相应的学习算法，并对有关算法和结果进行了理论分析和证明。 最后本文对提出的学习算法和新的网络结构进行了仿真验证，取得了良好的效果。