10.16208/j.issn1000-7024.2017.02.039
遗传算法的广义回归神经网络建模方法
针对广义回归神经网络中光滑因子难以确定,影响建模精度以及模型泛化能力等问题,提出一种基于遗传算法优化广义回归神经网络的高精度建模方法.以广义回归神经模型为基础构建测试样本,预测误差与光滑因子之间的函数,作为适应度函数;通过遗传算法对光滑因子进行优化,以模型输出值误差达到最小时的光滑因子为最优,提高网络模型精度.测试函数建模实验结果表明,与传统的广义回归神经网络相比,该方法预测值均方根误差下降89.45%,平均绝对误差下降91.53%,平均相对误差下降97.65%,能有效提高建模精度和模型泛化能力,为复杂工业的非线性系统建模提供了有效的方法.
非线性系统、广义回归神经网络、遗传算法、建模、光滑因子
38
TP391.41(计算技术、计算机技术)
国家青年基金项目61405156;国家自然科学基金项目U1304618
2017-03-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
488-493