一种改进的神经网络非线性预测控制

• 作者: 刘军 李睿 黄西平
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 神经网络 非线性系统 预测控制 并行拟牛顿法
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 154-156,177
• 页数: 4页
• 分类号: TP183
• 字数: 3053字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2006.04.042

摘要

从建立神经网络非线性预测模型出发,针对BP网络存在收敛速度慢,容易陷入局部最小的缺点,该文在BFGS拟牛顿法的基础上,提出了一种基于并行拟牛顿优化算法的并行拟牛顿神经网络.该并行拟牛顿优化算法采用两个含有不同参数的拟牛顿校正公式,在每次迭代过程中,利用这两个不同的校正公式得到相应的搜索方向,并通过不精确搜索法求取最优步长,最后根据一性能指标取最优的一个搜索方向和相应的步长对网络各层之间的权值进行修正.Matlab仿真结果表明,同BP神经网络和BFGS拟牛顿神经网络相比,该神经网络具有收敛速度快、模型精度高的特点,更适合于实时非线性控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄西平		24	147	6.0	11.0
2	刘军		79	701	12.0	24.0
3	李睿		2	13	1.0	2.0