一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用

宋爱国

您当前的位置：

首页 >

文章列表页 >

一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用

更新时间：2025-12-08

- 一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用
- An Novel On Line Learning Structure Variable Radial Basis Function Nets with Application on Passive Sonar Target Classification
- 电子学报 1999年第10期页码：65-69
- 作者机构：
  
  东南大学仪器科学系,南京,210018
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61701067;61702065)
- DOI：
  中图分类号： TP183
- 纸质出版：1999
- 稿件说明：
移动端阅览
[1]宋爱国.一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用[J].电子学报,1999(10):65-69.

SONG Ai guo. An Novel On Line Learning Structure Variable Radial Basis Function Nets with Application on Passive Sonar Target Classification[J]. Acta Electronica Sinica, 1999, (10): 65-69.
[1]宋爱国.一种可在线学习的变结构径向基函数网络及其在被动声纳目标识别中的应用[J].电子学报,1999(10):65-69. DOI：

SONG Ai guo. An Novel On Line Learning Structure Variable Radial Basis Function Nets with Application on Passive Sonar Target Classification[J]. Acta Electronica Sinica, 1999, (10): 65-69. DOI：

摘要

提出了一种新颖的隐节点可调的变结构径向基函数网络，并应用进化规划最优地确定和调节变结构径向基函数网络隐层节点的数目及其核函数的中心和宽度，从而使网络具有在线学习和记忆新的目标模式的功能．并将该网络应用于被动声纳目标的识别和在线学习，实验结果表明基于进化规划的变结构径向基函数网络不仅改善了网络的泛化能力，而且能够有效地解决传统神经网络技术在被动声纳目标识别过程中在线学习会造成原有记忆遗忘的困难

Abstract

In this paper

a novel structure variable radial basis function networks （SVRBF networks） is proposed

whose hidden layer nodes can be modified on line

and Evolutionary Computation （EC） is used to optimally determine and modify the total number of hidden layer nodes and their core function’s center and width of the SVRBF networks.The SVRBF networks are then used for passive sonar target classification and learning on line

and the result of experiment shows that the EC based SVRBF networks have better generalization performance than k means based RBF nets

and are effective in solving the problem of forgetting the old patterns in on line learning which exists in passive sonar target recognition by using conventional neural networks.

关键词

Keywords

references

浏览量

170

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于LoRa信号的实时手势识别算法

连续学习方法与其在视觉任务中的应用

端到端全复数域SAR目标分类神经网络