计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
6期
228-230,242
,共4页
电磁兼容预测%泛化回归%神经网络
電磁兼容預測%汎化迴歸%神經網絡
전자겸용예측%범화회귀%신경망락
为了更好地对电磁兼容进行预测,提出一种自适应泛化回归神经网络(AGRNN),与传统泛化回归神经网络(GRNN)区别在于:将光滑因子设为最小数据距离的1/2,将偏置设为光滑因子的倒数.对简单一维数据的测试表明,无论数据如何分布,AGRNN的拟合曲线均较GRNN更加接近样本点、且更平滑.以平行线间电磁耦合干扰为具体算例,证明AGRNN对训练数据与测试数据的预测优于改进BP算法,且网络不需要训练.
為瞭更好地對電磁兼容進行預測,提齣一種自適應汎化迴歸神經網絡(AGRNN),與傳統汎化迴歸神經網絡(GRNN)區彆在于:將光滑因子設為最小數據距離的1/2,將偏置設為光滑因子的倒數.對簡單一維數據的測試錶明,無論數據如何分佈,AGRNN的擬閤麯線均較GRNN更加接近樣本點、且更平滑.以平行線間電磁耦閤榦擾為具體算例,證明AGRNN對訓練數據與測試數據的預測優于改進BP算法,且網絡不需要訓練.
위료경호지대전자겸용진행예측,제출일충자괄응범화회귀신경망락(AGRNN),여전통범화회귀신경망락(GRNN)구별재우:장광활인자설위최소수거거리적1/2,장편치설위광활인자적도수.대간단일유수거적측시표명,무론수거여하분포,AGRNN적의합곡선균교GRNN경가접근양본점、차경평활.이평행선간전자우합간우위구체산례,증명AGRNN대훈련수거여측시수거적예측우우개진BP산법,차망락불수요훈련.
