计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2015年
4期
1000-1003
,共4页
记忆功放模型%自适应模糊推理系统%简化粒子群算法%个体最优候选解%拉普拉斯系数
記憶功放模型%自適應模糊推理繫統%簡化粒子群算法%箇體最優候選解%拉普拉斯繫數
기억공방모형%자괄응모호추리계통%간화입자군산법%개체최우후선해%랍보랍사계수
memory power amplifier model%adaptive neural fuzzy inference system%simplified particle swarm optimization%local best candidate solution%Laplace coefficient
为了更准确地描述有记忆效应的射频功放特性,提出了一种改进的简化粒子群优化(PSO)算法,并结合自适应模糊推理系统(ANFIS)建立模糊神经网络功放模型.改进的简化PSO算法仅保留粒子的位置项,加入了随机的个体最优候选解,由粒子的当前位置、个体最优解、全局最优解和随机的个体最优候选解共同决定其位置项;采用线性递减惯性权重,并利用异步变化的动态学习因子,且新颖地引入拉普拉斯系数,从而增加了种群多样性,加快了收敛速度,避免陷入局部最优.由模型仿真对比可知,该方法建立的功放模型结构简单、收敛快、误差小、精度高,从而验证了建模方法的有效性和可靠性.
為瞭更準確地描述有記憶效應的射頻功放特性,提齣瞭一種改進的簡化粒子群優化(PSO)算法,併結閤自適應模糊推理繫統(ANFIS)建立模糊神經網絡功放模型.改進的簡化PSO算法僅保留粒子的位置項,加入瞭隨機的箇體最優候選解,由粒子的噹前位置、箇體最優解、全跼最優解和隨機的箇體最優候選解共同決定其位置項;採用線性遞減慣性權重,併利用異步變化的動態學習因子,且新穎地引入拉普拉斯繫數,從而增加瞭種群多樣性,加快瞭收斂速度,避免陷入跼部最優.由模型倣真對比可知,該方法建立的功放模型結構簡單、收斂快、誤差小、精度高,從而驗證瞭建模方法的有效性和可靠性.
위료경준학지묘술유기억효응적사빈공방특성,제출료일충개진적간화입자군우화(PSO)산법,병결합자괄응모호추리계통(ANFIS)건립모호신경망락공방모형.개진적간화PSO산법부보류입자적위치항,가입료수궤적개체최우후선해,유입자적당전위치、개체최우해、전국최우해화수궤적개체최우후선해공동결정기위치항;채용선성체감관성권중,병이용이보변화적동태학습인자,차신영지인입랍보랍사계수,종이증가료충군다양성,가쾌료수렴속도,피면함입국부최우.유모형방진대비가지,해방법건립적공방모형결구간단、수렴쾌、오차소、정도고,종이험증료건모방법적유효성화가고성.
