基于免疫二次應答原理的徑向基網絡在動態(tài)問題中的應用.pdf

1、徑向基函數神經網絡是一種具有局部逼近能力的前向神經網絡，其各節(jié)點具有局部逼近、分布式處理以及訓練靈活的特點，適用于復雜的非線性系統的問題中。然而，目前的RBF網絡訓練算法通常以靜態(tài)訓練為主，不適合于動態(tài)追蹤環(huán)境下的應用；同時這些訓練算法也存在收斂速度慢的不足。本文針對這些問題進行研究。主要內容如下： ⑴提出了基于免疫二次應答的RBF網絡訓練算法。該算法有兩個創(chuàng)新點：①借鑒免疫原理，特別是免疫記憶機制和二次應答機制，利用RBF網絡

2、訓練過程中保留的相關信息構建疫苗庫、設計免疫算子。免疫算子的操作優(yōu)化了RBF網絡的訓練效率，疫苗庫的存在使得算法能夠迅速應對曾經出現過的問題，極大提升了訓練速度。②分兩階段訓練RBF網絡。指出不同寬度的節(jié)點在網絡訓練中的不同作用，針對動態(tài)問題中的穩(wěn)定部分和突變部分作不同強度的訓練，從而極大地提升了訓練效率，降低了算法整體的計算復雜度。 ⑵研究了基于免疫二次應答的動態(tài)RBF網絡訓練算法在CDMA多用戶檢測中的應用。該多用戶檢測器平

3、衡了收斂速度和計算復雜度之間的關系，以較小的代價獲得較高的檢測性能，克服了目前基于RBF網絡算法的多用戶檢測器普遍存在的解決動態(tài)問題能力不強的不足，初步證明在解決動態(tài)多用戶檢測問題中表現出了優(yōu)異的性能。 ⑶研究了基于免疫二次應答的動態(tài)RBF網絡訓練算法在OFDM信道均衡中的應用。OFDM通過采用允許子信道頻譜重疊，但又互不影響的頻分復用的方法來并行傳送數據，能得到較高的頻譜利用率及較強地抗多徑選擇衰落的能力。該均衡器平衡了收斂速