CAJ | 학술논문

提出了应用混合GN(Gauss-Newton)-BFGS(Broyden-Fletcher-Goldfarb-Shanno)法进行RBF(径向基函数)神经网络学习的算法.这种方法结合GN法与BFGS法的特点,既尽可能地利用了问题本身的特殊结构,又能取得超线性甚至二次渐近收敛率,因此有效地提高了学习效率.在学习过程中,利用该方法能够区分零残量和非零残量,并利用这种特点进行隐层神经元数目的自动调整,从而可以保证神经网络的学习能力和推广能力.多个实际电网的负荷预测结果表明,该方法同神经网络的其他算法相比,具有训练时间短、预测精度高的特点.
제출료응용혼합GN(Gauss-Newton)-BFGS(Broyden-Fletcher-Goldfarb-Shanno)법진행RBF(경향기함수)신경망락학습적산법.저충방법결합GN법여BFGS법적특점,기진가능지이용료문제본신적특수결구,우능취득초선성심지이차점근수렴솔,인차유효지제고료학습효솔.재학습과정중,이용해방법능구구분령잔량화비령잔량,병이용저충특점진행은층신경원수목적자동조정,종이가이보증신경망락적학습능력화추엄능력.다개실제전망적부하예측결과표명,해방법동신경망락적기타산법상비,구유훈련시간단、예측정도고적특점.