| 粒子群算法在小波神经网络中的应用 |
| |
| 引用本文： | 岑翼刚,秦元庆,孙德宝,李宁. 粒子群算法在小波神经网络中的应用[J]. 系统仿真学报, 2004, 16(12): 2783-2785,2788 |
| |
| 作者姓名： | 岑翼刚 秦元庆 孙德宝 李宁 |
| |
| 作者单位： | 武汉华中科技大学控制科学与工程系,武汉,430074 |
| |
| 摘 要： | 利用粒子群(PSO)算法对小波神经网络(WNN)中的参数{am，bm，w(am，bm)}进行优化，取代了传统的梯度下降法。并将仿真结果与BP网络进行比较，仿真数据表明，PSO算法在叠代次数、函数逼近误差、网络性能方面均比BP网络有着显著的提高，且在粒子数目较大的情况下能有效避免BP网络无法避免的局部极小值问题。
|
| 关 键 词： | 粒子群 小波神经网络 函数逼近 局部极小值 |
| 文章编号： | 1004-731X(2004)12-2783-03 |
Application of PSO Algorithm in Wavelet Neural Network |
| |
| CEN Yi-gang,QING Yuan-qin,SUN De-bao,LI Ning. Application of PSO Algorithm in Wavelet Neural Network[J]. Journal of System Simulation, 2004, 16(12): 2783-2785,2788 |
| |
| Authors: | CEN Yi-gang QING Yuan-qin SUN De-bao LI Ning |
| |
| Abstract: | We use the PSO algorithm to train the parameters '{,,(,)}mnmnabwab of the WNN instead of the stochastic gradient algorithms. Compared with the BP network, the iterative number, error of the function approximation and the performance of the network are highly improved. On the other hand, the method in this paper can avoid the local minimum efficiently by adding the number of the particles. |
| |
| Keywords: | PSO wavelet neural network function approximation local minimum |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
