计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2010年
5期
158-161
,共4页
黄永聪%张旭%吴义纯%吴琦%程家兴
黃永聰%張旭%吳義純%吳琦%程傢興
황영총%장욱%오의순%오기%정가흥
径向基函数%人工神经网络%遗传算法
徑嚮基函數%人工神經網絡%遺傳算法
경향기함수%인공신경망락%유전산법
针对径向基函数网络和传统遗传算法的一些不足,提出引入一种自适应机制的浮点数编码的遗传算法,并将其与梯度下降法混合交互运算,作为径向基函数网络的学习算法,形成了基于改进遗传算法的径向基函数网络,它克服了径向基函数网络的学习算法上的缺陷.采用改进的遗传算法,无需计算梯度等,限制很少,还可用模型的预测性能作为优化目标.同时,也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的近似解这一问题.最后将该算法应用到某地区电力负荷预测取得理想效果.
針對徑嚮基函數網絡和傳統遺傳算法的一些不足,提齣引入一種自適應機製的浮點數編碼的遺傳算法,併將其與梯度下降法混閤交互運算,作為徑嚮基函數網絡的學習算法,形成瞭基于改進遺傳算法的徑嚮基函數網絡,它剋服瞭徑嚮基函數網絡的學習算法上的缺陷.採用改進的遺傳算法,無需計算梯度等,限製很少,還可用模型的預測性能作為優化目標.同時,也解決瞭單獨利用遺傳算法往往隻能在短時間內尋找到接近全跼最優解的近似解這一問題.最後將該算法應用到某地區電力負荷預測取得理想效果.
침대경향기함수망락화전통유전산법적일사불족,제출인입일충자괄응궤제적부점수편마적유전산법,병장기여제도하강법혼합교호운산,작위경향기함수망락적학습산법,형성료기우개진유전산법적경향기함수망락,타극복료경향기함수망락적학습산법상적결함.채용개진적유전산법,무수계산제도등,한제흔소,환가용모형적예측성능작위우화목표.동시,야해결료단독이용유전산법왕왕지능재단시간내심조도접근전국최우해적근사해저일문제.최후장해산법응용도모지구전력부하예측취득이상효과.
