论文部分内容阅读
提出了一种隐层结构自适应学习的径向基函数网络（ＨＳＡＲＢＦ）水声目标分类器．该网络可在训练中自适应调整隐层节点数和设置新增隐节点的初始权值，从而使网络输入样本的分类特征能有效地映射到隐节点输出，克服了一般ＲＢＦ网隐层初始权值及隐节点数难以确定的缺陷．经对实测水声信号的识别试验表明，该网络隐层有较强的分类特征划分能力，识别率高于一般ＲＢＦ网或ＢＰ网分类器．