系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2010年
10期
2136-2140
,共5页
荆献勇%肖明清%余文波%赵鑫
荊獻勇%肖明清%餘文波%趙鑫
형헌용%초명청%여문파%조흠
预测模型%过程神经网络%免疫算法%学习算法%函数正交基
預測模型%過程神經網絡%免疫算法%學習算法%函數正交基
예측모형%과정신경망락%면역산법%학습산법%함수정교기
基于过程神经网络(procedure neural network, PNN)建立了具有高精确度的多步预测模型.针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相结合的PNN训练方法.根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VD-IA的收敛速度.基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化(improved particle swarm optimization, IPSO)算法进行了对比分析.仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型.
基于過程神經網絡(procedure neural network, PNN)建立瞭具有高精確度的多步預測模型.針對PNN訓練過程複雜的特點,提齣瞭一種基于正交基函數展開和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相結閤的PNN訓練方法.根據PNN在三角函數正交基展開形式下的數學模型,推導齣適用于VD-IA的優化問題模型,採用一種自適應策略加快瞭VD-IA的收斂速度.基于Mackey-Glass混沌序列檢驗瞭該方法的有效性,將該方法與BP訓練方法、改進粒子群優化(improved particle swarm optimization, IPSO)算法進行瞭對比分析.倣真結果錶明,基于VD-IA的PNN訓練方法可以穫得較優的結果,且穫得汎化性能較好的PNN模型.
기우과정신경망락(procedure neural network, PNN)건립료구유고정학도적다보예측모형.침대PNN훈련과정복잡적특점,제출료일충기우정교기함수전개화시량구면역산법(vector distance based immune algorithm, VD-IA)상결합적PNN훈련방법.근거PNN재삼각함수정교기전개형식하적수학모형,추도출괄용우VD-IA적우화문제모형,채용일충자괄응책략가쾌료VD-IA적수렴속도.기우Mackey-Glass혼돈서렬검험료해방법적유효성,장해방법여BP훈련방법、개진입자군우화(improved particle swarm optimization, IPSO)산법진행료대비분석.방진결과표명,기우VD-IA적PNN훈련방법가이획득교우적결과,차획득범화성능교호적PNN모형.
