基于归一化最小均方算法的自适应核RBFNN

作者：火元莲; 巩琪; 齐永锋; 安娅琦

来源：北京邮电大学学报, 2022, 45(02): 29-35.

DOI：10.13190/j.jbupt.2021-132

• 自适应滤波
• RBF神经网络
• 归一化最小均方算法
• 非线性系统辨识

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差，提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上，通过一个可变的步长因子，对归一化最小均方(NLMS)算法进行推导，并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明，使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。

• 单位
  电子工程学院; 西北师范大学