广义回归神经网络的改进及在预测控制中的应用

• 作者: 张金磊 杨卫东 王少福 赵仕俊
• 来源期刊: 微电子学与计算机
• 关键词: 广义回归神经网络 模糊均值聚类 平滑因子 系统辨识 预测控制
• 年，卷（期）: 2009,（6）
• 页码范围: 32-35
• 页数: 4页
• 分类号: TP183
• 语种: 中文

摘要

针对广义回归网络的模式层单元数目与样本数量成正比的问题,提出了基于相似度衡量的模糊均值聚类的样本精简方法.针对广义回归网络在时变环境下难以确定平滑因子,自适应能力弱的缺点,提出了一种基于贡献率的选择优化方案.仿真结果表明,改进后的GRNN有较快的处理速度和较强的自适应能力,能够在实际应用中很好地辨识较为复杂的非线性时变系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨卫东	北京科技大学信息工程学院	67	529	13.0	18.0
2	赵仕俊	北京科技大学信息工程学院	6	90	4.0	6.0
3	王少福	北京科技大学信息工程学院	8	49	4.0	6.0
4	张金磊	中国石油大学计算机与通信工程学院	1	9	1.0	1.0