改进免疫算法在预测过程神经网络中的应用

摘要：

基于过程神经网络(procedure neural network, PNN)建立了具有高精确度的多步预测模型.针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相结合的PNN训练方法.根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VD-IA的收敛速度.基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化(improved particle swarm optimization, IPSO)算法进行了对比分析.仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型.

关键词：预测模型、过程神经网络、免疫算法、学习算法、函数正交基

所属期刊栏目：32

分类号：TP183;TP206+.3(自动化基础理论)

资助基金："十一五"国防预先研究项目51317030103资助课题

在线出版日期：2010-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2136-2140