

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、神經(jīng)網(wǎng)絡(luò)和智能優(yōu)化算法的組合算法是智能信息處理的主要工具,在空氣質(zhì)量預(yù)測(cè)、經(jīng)濟(jì)預(yù)測(cè)、聲納、傳感器、雷達(dá)、通信等領(lǐng)域,很多智能優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)的組合模型及改進(jìn)模型被提出。神經(jīng)網(wǎng)絡(luò)研究主要包括網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)、參數(shù)選取等。粒子群算法的研究主要包括種群拓?fù)浣Y(jié)構(gòu)、慣性權(quán)重選取、PSO多樣性等。針對(duì)智能信息處理應(yīng)用中,徑向基神經(jīng)網(wǎng)絡(luò)的模型機(jī)制以及粒子群智能算法的研究基礎(chǔ),本文提出了不同的徑向基神經(jīng)網(wǎng)絡(luò)和粒子群算法的結(jié)合模型。
為了更
2、好地平衡粒子群的全局開發(fā)能力和局部探測(cè)能力,指數(shù)下降慣性權(quán)重 PSO算法被提出。在迭代早期,慣性權(quán)重以較快的速度下降,使粒子群較快搜索到可行解區(qū)域;在迭代后期,慣性權(quán)重以較慢的速度下降,使得粒子群在可行解區(qū)域里微調(diào)搜索到全局最優(yōu)解。將EDIW-PSO算法與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合,建立了EDIW-PS-RBF神經(jīng)網(wǎng)絡(luò)模型,優(yōu)化了網(wǎng)絡(luò)參數(shù)和模型。通過(guò)空氣質(zhì)量預(yù)測(cè)實(shí)驗(yàn)與其他三種慣性權(quán)重策略PSO算法結(jié)合的RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了比較,證明了采用指
3、數(shù)下降慣性權(quán)重策略PSO算法訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)比其他算法更有效,預(yù)測(cè)精度更高。
為了泛化徑向基函數(shù)的分布形狀,擴(kuò)展標(biāo)準(zhǔn)Gauss函數(shù)形狀參數(shù)的選取,徑向基函數(shù)采用廣義高斯函數(shù),構(gòu)建GRBF神經(jīng)網(wǎng)絡(luò)。GRBF神經(jīng)網(wǎng)絡(luò)中的參數(shù)除了中心、寬度和連接權(quán)值外,還需要調(diào)節(jié)徑向基函數(shù)的形狀參數(shù)。將 EDIW-PSO算法與GRBF神經(jīng)網(wǎng)絡(luò)結(jié)合,優(yōu)化了隱含層各個(gè)神經(jīng)元的參數(shù)。同時(shí),將AdaBoost算法的集成學(xué)習(xí)能力用于GRBF神經(jīng)網(wǎng)絡(luò)的連接權(quán)
4、值選取,將各個(gè)隱含層神經(jīng)元作為AdaBoost算法的一個(gè)弱預(yù)測(cè)器,將整個(gè) GRBF神經(jīng)網(wǎng)絡(luò)作為一個(gè)強(qiáng)預(yù)測(cè)器。建立了EDIW-PSO-AdaBoost-GRBF神經(jīng)網(wǎng)絡(luò)模型,通過(guò)二維非線性函數(shù)逼近和上證指數(shù)時(shí)間序列預(yù)測(cè)驗(yàn)證了模型的有效性,具有較高的精度。
矢量水聽器陣列對(duì)水下目標(biāo)的信息探測(cè)和DOA估計(jì)成為海洋探測(cè)以及海上軍事的一個(gè)重要研究方向。一方面,將EDIW-PSO-GRNN神經(jīng)網(wǎng)絡(luò)模型和EDIW-PSO-AdaBoost-
5、GRBF神經(jīng)網(wǎng)絡(luò)模型代替原來(lái)的MUSIC算法應(yīng)用于MEMS矢量水聽器陣列的DOA估計(jì)。首先將MUSIC算法實(shí)值化,減小了MUSIC算法在DOA估計(jì)中的計(jì)算量。另一方面,利用EDIW-PSO算法的強(qiáng)大搜索能力優(yōu)化實(shí)值MUSIC算法,提高了MUSIC算法在DOA估計(jì)中的精度。在神經(jīng)網(wǎng)絡(luò)模型進(jìn)行 DOA估計(jì)應(yīng)用中,將實(shí)值化后的協(xié)方差矩陣C的第一行作為神經(jīng)網(wǎng)絡(luò)的輸入,將聲源入射角度作為神經(jīng)網(wǎng)絡(luò)的輸出。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練階段,分別取不同的入射角度,通
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 徑向基(RBF)人工神經(jīng)網(wǎng)絡(luò)的算法及其應(yīng)用.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究.pdf
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究.pdf
- 基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf
- 基于徑向基神經(jīng)網(wǎng)絡(luò)與NSGA-Ⅱ算法的渣漿泵多目標(biāo)優(yōu)化設(shè)計(jì).pdf
- 基于改進(jìn)foa優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法的
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法研究.pdf
- 一種改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的投資預(yù)測(cè)模型研究.pdf
- 改進(jìn)的PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究.pdf
- 基于徑向基神經(jīng)網(wǎng)絡(luò)的廣義預(yù)測(cè)控制研究及應(yīng)用.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的色空間轉(zhuǎn)換模型的研究.pdf
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 基于徑向基神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警研究.pdf
- 基于混合算法-徑向基神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè).pdf
- 基于徑向基神經(jīng)網(wǎng)絡(luò)的無(wú)網(wǎng)格法及其應(yīng)用.pdf
- 基于卡爾曼濾波器算法的徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究.pdf
- 徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法及其性能研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別研究.pdf
- 徑向基神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的參數(shù)優(yōu)化方法研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論