基于RBF网络的优化逼近开题报告

1. 研究目的与意义

背景：

径向基函数(radial basis function, rbf)神经网络是由 j. moody 和 c. darken 在 20 世纪80年代末提出的一种神经网络。它是具有单隐层的三层前馈网络。由于它模拟了人脑 中局部调整、相互覆盖接收域(或称感受野，receptive field)的神经网络结构，因此，rbf 网络是一种局部逼近网络。已证明它能以任意精度逼近任意连续函数。

目的：

2. 研究内容和预期目标

主要研究内容：

（1）rbf神经网络

（2）模糊rbf网络

3. 研究的方法与步骤

研究方法:

梯度下降法，输出权、节点基宽参数及节点中心矢量的迭代算法，基于模糊rbf网络的逼近算法，用遗传算法优化的rbf网络逼近函数，自校正控制算法。

步骤：

4. 参考文献

[1] 曹卫华, 郭正. 最优化技术方法及MATLAB的实现. 北京: 化学工业出版社,2005.

[2] 倪勤. 最优化方法与程序设计. 北京: 科学出版社, 2009.

[3] 徐成贤, 陈志平, 李乃成. 近代优化方法. 北京: 科学出版社, 2002. [4] 李董辉, 童小娇, 万中. 数值最优化. 北京: 科学出版社, 2005. [5] 赖炎连, 贺国平.最优化方法. 北京: 清华大学出版社, 2004. [6] 孙文瑜, 徐成贤, 朱德通. 最优化方法. 北京: 高等教育出版社, 2004. [7] 袁亚湘. 非线性优化计算方法. 北京: 科学出版社, 2008. [8] 袁亚湘, 孙文瑜. 最优化理论与方法. 北京: 科学出版社, 1997. [9] 陈宝林. 最优化理论与算法（第2 版）. 北京: 清华大学出版社, 2006. [10] 何勇坚. 最优化方法. 北京: 清华大学出版社, 2007. [11] 唐焕文, 秦学志. 最优化方法. 大连: 大连理工大学出版社, 1994.[12] 张光澄, 王文娟, 韩会磊, 张雷. 非线性最优化计算方法. 北京: 高等教育出版社, 2005.

5. 计划与进度安排

第七学期4—8周：业论文命题，对本学院教师提出命题要求，布置任务，教师命题。

9—14周：毕业论文课题申报、审核、发布，指导教师填写毕业论文题目申报表，经系部和学院审核，然后进入毕业论文智能管理系统进行毕业论文题目申报。

专业负责人完成课题的审核，教学院长完成课题的发布。