基于小生境的进化RBF网络及应用

论文摘要

遗传算法是模拟自然遗传学机理和生物进化理论而形成的一种全局并行的随机搜索方法,具有较强的鲁棒性,并具有收敛到全局最优的能力。径向基函数神经网络是一种具有单隐层的三层前馈网络,模拟人脑中局部调整和相互覆盖接收域的结构,是局部逼近型网络。它能以任意精度逼进任意连续函数,并且有最佳的函数逼近性能。RBF网络的设计问题就是关于网络隐含层节点数,隐含层节点径向基函数中心、宽度和隐含层到输出层的连接权值的性能指标的最小化问题。尽管性能指标对于函数中心和连接权值是可导的,但对于隐含层节点数目却是非连续非线性的。这对需要目标函数的导数信息的传统优化方法是很困难的。而遗传算法与RBF神经网络的结合,为解决这一问题提供了有效的途径。为解决遗传算法在训练RBF网络时出现的早熟收敛问题,本文提出了一种改进的小生境混合递阶遗传算法。该算法将径向基函数神经网络的隐含层结构作为控制基因,中心和宽度分别作为参数基因,三者分别独立编码。在控制基因的作用下,使得中心和宽度的编码种群在不同的搜索空间上,结合小生境技术遗传进化,致力于寻找最佳性能的个体。径向基函数神经网络的隐含层到输出层的线性连接权值,则是由最小二乘法来计算得到的。通过双螺旋分类和Mackey-Glass时间序列预测的计算机仿真,比较了K均值聚类、正交最小二乘法、梯度下降算法、混合递阶遗传算法、小生境混合递阶遗传算法、改进的小生境混合递阶遗传算法训练的径向基函数神经网络的性能。虽然不同的算法各有优缺点,但总体来说,改进的小生境混合递阶遗传算法表现得最为突出。将上述算法训练的RBF网络应用于信道均衡,提出了一种基于进化RBF网络的自适应信道均衡器。它采用判决反馈结构,对存在严重非线性失真的信道,具有良好的均衡能力,同时还有较强的抗噪性能。将上述算法训练的RBF网络应用于信号检测,提出了一种混沌背景下的进化RBF网络弱信号检测器。在虫口模型的Logistic混沌状态下,该检测方案简单可行,效果良好。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 人工神经网络
• 1.2.1 人工神经网络的发展史
• 1.2.2 人工神经网络的基本原理
• 1.3 径向基函数神经网络（RBFNN）
• 1.3.1 RBF 神经网络的兴起
• 1.3.2 RBF 神经网络的算法
• 1.4 遗传算法
• 1.5 神经网络在信道均衡方面的应用
• 1.6 神经网络在混沌背景下的弱信号检测方面的应用
• 1.7 本文主要内容及章节安排
• 第二章 基于小生境的进化RBF 网络
• 2.1 RBF 神经网络的原理、模型
• 2.1.1 径向基函数的基本原理
• 2.1.2 RBF 网络的数学模型
• 2.2 基于遗传算法的RBF 网络优化设计
• 2.2.1 遗传算法和RBF 网络
• 2.2.2 遗传算法的基本原理和方法
• 2.2.3 遗传算法的描述
• 2.2.4 编码及适应度函数
• 2.2.5 选择操作
• 2.2.6 交叉操作
• 2.2.7 变异操作
• 2.2.8 交叉概率和变异概率的选择
• 2.3 利用递阶遗传算法训练RBF 神经网络
• 2.3.1 递阶遗传算法综述
• 2.3.2 递阶遗传算法训练RBF 神经网络程序设计
• 2.4 利用混合递阶遗传算法训练RBF 神经网络
• 2.5 利用基于小生境的混合递阶遗传算法训练RBF 神经网络
• 2.5.1 小生境遗传算法
• 2.5.2 基于预选择小生境递阶遗传算法的RBF 网络学习方法
• 2.5.3 一种改进的小生境混合递阶遗传算法训练RBF 神经网络
• 2.6 本章小结
• 第三章 算法性能分析
• 3.1 引言
• 3.2 双螺旋分类
• 3.2.1 双螺旋问题
• 3.2.2 双螺旋分类的测试
• 3.3 MG 时间序列的预测
• 3.3.1 MG 序列的单步预测分析
• 3.3.2 MG 序列的多步预测分析
• 3.3.3 算法参数调整问题
• 3.4 本章小结
• 第四章 基于进化RBF 网络的自适应信道均衡
• 4.1 引言
• 4.2 基于进化RBF 网络的自适应信道均衡器
• 4.2.1 RBF 网络信道均衡器的结构
• 4.2.2 RBF 网络信道均衡器的算法
• 4.3 仿真和分析
• 4.4 本章小结
• 第五章 混沌背景下进化RBF 网络的弱信号检测
• 5.1 引言
• 5.2 混沌背景下的弱信号检测
• 5.2.1 检测信号的描述
• 5.2.2 检测方法
• 5.3 仿真和分析
• 5.3.1 虫口模型－Logistic 映射
• 5.3.2 仿真
• 5.4 本章小结
• 第六章 全文总结
• 6.1 主要结论
• 6.2 研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间已经发表或录用的文章