更有效的非线性系统辨识新方法

摘要：

介绍了一种基于量子粒子群算法构造径向基函数神经网络进行非线性系统辨识的新方法.在确定径向基函数网络的 隐层结点数后,将相应网络的参数,包括隐层基函数中心、扩展常数以及输出权值和偏移编码成学>-j算法中的粒子个体,在全 局空间中搜索具有最优适应值的参数向量.实例仿真通过和标准粒子群算法进行比较,表明了该方法的有效性和优越性.

关键词：非线性系统辨识、粒子群优化(PSO)算法、量子粒子群优化(QPSO)算法、神经系统辨识、径向基函数神经网(RBFNN)

所属期刊栏目：29

分类号：TP393.01(计算技术、计算机技术)

在线出版日期：2008-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：4289-4292