计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
11期
200-203,242
,共5页
李目%周少武%何怡刚%谭文
李目%週少武%何怡剛%譚文
리목%주소무%하이강%담문
小生境自适应差分进化算法%小波神经网络%参数不确定性%混沌控制
小生境自適應差分進化算法%小波神經網絡%參數不確定性%混沌控製
소생경자괄응차분진화산법%소파신경망락%삼수불학정성%혼돈공제
Niche Adaptive Differential Evolution (NADE) algorithm%Wavelet Neural Network (WNN)%parameter uncertainties%chaos control
提出一种基于小生境自适应差分进化小波神经网络(NADE-WNN)的方法对不确定混沌系统进行控制.该方法利用小波神经网络学习未知模型混沌系统的动态特性并实施控制,为提高神经网络的学习精度和收敛速度.采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高网络的学习精度和全局收敛性.仿真实验结果表明.在有外部干扰和参教摄动的情况下,NADE-WNN仍能对不确定混沌系统进行有效控制,且网络结构、控制精度和收敛速度都优于传统神经网络.
提齣一種基于小生境自適應差分進化小波神經網絡(NADE-WNN)的方法對不確定混沌繫統進行控製.該方法利用小波神經網絡學習未知模型混沌繫統的動態特性併實施控製,為提高神經網絡的學習精度和收斂速度.採用小生境自適應差分進化算法同時優化小波神經網絡的結構和參數,簡化網絡結構,提高網絡的學習精度和全跼收斂性.倣真實驗結果錶明.在有外部榦擾和參教攝動的情況下,NADE-WNN仍能對不確定混沌繫統進行有效控製,且網絡結構、控製精度和收斂速度都優于傳統神經網絡.
제출일충기우소생경자괄응차분진화소파신경망락(NADE-WNN)적방법대불학정혼돈계통진행공제.해방법이용소파신경망락학습미지모형혼돈계통적동태특성병실시공제,위제고신경망락적학습정도화수렴속도.채용소생경자괄응차분진화산법동시우화소파신경망락적결구화삼수,간화망락결구,제고망락적학습정도화전국수렴성.방진실험결과표명.재유외부간우화삼교섭동적정황하,NADE-WNN잉능대불학정혼돈계통진행유효공제,차망락결구、공제정도화수렴속도도우우전통신경망락.
A novel control method based on Niche Adaptive Differential Evolution Wavelet Neural Network (NADE-WNN) is proposed for uncertain chaotic system.The Wavelet Neural Network is used to study dynamic characters of uncertain chaotic system and control it.In order to raise learning accuracy and convergence rate,the structures and parameters of wavelet neural network are optimized by NADE algorithm at the same time in the model.The algorithm can get a best network structure and improve learning accuracy and the global convergence.The simulation results show that the NADE-WNN is still effective when there are external disturbance and parameter perturbation,and then the network structure,the control precision and convergence rate all outperform basic neural networks.