本文關(guān)鍵詞：基于Chebyshev神經(jīng)網(wǎng)絡的非線性動態(tài)系統(tǒng)預測　出處：《安徽大學學報(自然科學版)》2016年06期 　論文類型：期刊論文

  更多相關(guān)文章： Chebyshev神經(jīng)網(wǎng)絡 非線性動態(tài)系統(tǒng) 文化基因算法 預測

【摘要】：針對非線性動態(tài)系統(tǒng)的預測常受到噪聲或其他過程的耦合影響,使得規(guī)律變得難以發(fā)現(xiàn)的問題,提出了以一組Chebyshev正交基函數(shù)作為神經(jīng)網(wǎng)絡中各隱神經(jīng)元的激勵函數(shù)的新型的Chebyshev基函數(shù)神經(jīng)網(wǎng)絡預測模型.將該模型作為非線性動態(tài)系統(tǒng)預測模型,并采用基于粒子群和模擬退火組成的文化基因算法優(yōu)化神經(jīng)網(wǎng)絡的權(quán)值,可以達到很高的預測精度和很好的預測結(jié)果.Chebyshev神經(jīng)網(wǎng)絡與傳統(tǒng)的BP(back propagation)神經(jīng)網(wǎng)絡相比,工作量大大減少,加快了收斂性.文化基因算法用于確定權(quán)值的Chebyshev神經(jīng)網(wǎng)絡分別與粒子群和模擬退火優(yōu)化的Chebyshev神經(jīng)網(wǎng)絡相比具有更好的擬合效果.
[Abstract]:The prediction of nonlinear dynamic systems is often affected by noise or other processes, which makes the rules difficult to find. A new prediction model of Chebyshev basis function neural network using a set of Chebyshev orthogonal basis functions as the excitation function of each hidden neuron in the neural network is proposed. The model is regarded as a nonline model. Dynamic system prediction model. A cultural genetic algorithm based on particle swarm optimization and simulated annealing is used to optimize the weights of neural networks. Chebyshev neural network can achieve high prediction accuracy and good prediction results. Chebyshev neural network is compared with the traditional BP(back propagation neural network. The workload has been significantly reduced. The Chebyshev neural network used to determine the weight of genetic algorithm has better fitting effect than particle swarm optimization and simulated annealing optimization Chebyshev neural network, respectively. Fruit
【作者單位】： 新疆大學網(wǎng)絡與信息技術(shù)中心;
【基金】：國家自然科學基金資助項目(51575469)
【分類號】：TP183
【正文快照】： 在實際的工程領域和科學研究中,許多系統(tǒng)都可以看做是一類存在較高不完整性和隨機性的非線性動態(tài)時變系統(tǒng)[1],很難利用確定的機理模型進行描述與預測.由于神經(jīng)網(wǎng)絡具有高度的非線性映射特 性和高度的并行計算能力,近年來被廣泛用來解決實際的預測問題,在很多領域都取得了成功

【相似文獻】

相關(guān)期刊論文 前10條

1 曾三友,孫星明,夏利民,金可音;基于Chebyshev多項式的自適應偏最小二乘回歸建模[J];長沙鐵道學院學報;2001年01期

2 馬維山,張琴舜;基于Chebyshev神經(jīng)網(wǎng)絡的汽輪機傳感器參數(shù)校正[J];微型電腦應用;2003年01期

3 葉軍;Chebyshev神經(jīng)網(wǎng)絡的改進及其應用[J];機床與液壓;2003年03期

4 江善和;張杰;;基于Chebyshev基函數(shù)模糊神經(jīng)網(wǎng)絡的快速辨識方法[J];系統(tǒng)仿真學報;2006年03期

5 王宏偉;于雙和;;基于Chebyshev正交函數(shù)神經(jīng)網(wǎng)絡的混沌系統(tǒng)魯棒自適應同步[J];控制理論與應用;2009年10期

6 劉祖潤,曾U喺，

本文編號：1427219