徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)及協(xié)同進(jìn)化學(xué)習(xí)

　　本書系統(tǒng)地介紹利用協(xié)同進(jìn)化理論優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基本理論與方法，共分為7個(gè)章節(jié)。*，提出基于合作型協(xié)同進(jìn)化的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，引入聚類層并以聚類后的隱節(jié)點(diǎn)群作為子種群進(jìn)行協(xié)同進(jìn)化操作。第二，提出基于協(xié)同覆蓋的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，并采用啟發(fā)式搜索改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)。第三，提出帶有特征選擇的雙種群分類算法，能夠同時(shí)獲得較優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)和約減的輸入向量維數(shù)。第四，提出多種群協(xié)同進(jìn)化神經(jīng)網(wǎng)絡(luò)集成算法，有效提高集成模型性能。第五，提出基于協(xié)同進(jìn)化的子空間分類算法，適用于處理樣本空間分布復(fù)雜的數(shù)據(jù)挖掘問題。

暫缺《徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)及協(xié)同進(jìn)化學(xué)習(xí)》作者簡介