在线自适应神经网络算法及参数鲁棒性分析

摘要：

为了提高传统BP神经网络在线预测精度和计算效率,提出一种在线自适应神经网络算法.该算法在传统BP网络的输入层和隐含层之间增加一个反馈层,通过存储内部状态增强网络动态映射能力,以提高算法自适应性;同时,在学习阶段采用递推形式在线训练算法权值和阈值,以提高算法计算精度和计算效率.基于两组防屈曲支撑构件拟静力试验数据,在线预测防屈曲支撑恢复力.研究表明:与传统神经网络算法相比,在线自适应网络算法具有更好的在线预测精度和计算效率;通过对网络结构中的输入变量、输入和观测样本、隐含层激活函数等算法参数进行鲁棒性分析,找到算法参数对算法性能的影响规律,给出算法应用时参数选择的建议.

关键词：在线预测、神经网络算法、恢复力模型、鲁棒性分析、防屈曲支撑(BRB)

所属期刊栏目：38

分类号：TU317(建筑结构)

资助基金：黑龙江省省属高等学校基本科研业务费科研项目2017;黑龙江科技大学青年才俊培养计划2017;国家自然科学基金51408157;黑龙江省青年科学基金QC2013C055

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：210-217