10.3969/j.issn.2095-6835.2010.02.016
基于RBF神经网络的最经济控制研究
为有效解决系统的最经济控制问题,本文提出将系统的经济收益问题转换为对系统控制结构和参数的优化问题.首先提出将网络代价的概念植入径向基函数神经网络(RBF网络)结构的优化中,对神经网络的隐层激活函数和隐层节点数进行选择;再用改进的遗传算法实现RBF网络参数的优化,从而实现神经网络的最经济控制;最后通过实例验证,表明设计的算法与BP网络的最经济控制相对比,具有明显的优越性.
最经济控制、RBF神经网络、遗传算法、代价函数
26
TP183(自动化基础理论)
2014-07-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
37-38,43