用于电磁兼容预测的自适应泛化回归神经网络

• 作者: 吴乐南 张煜东 陈书文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 电磁兼容预测 泛化回归 神经网络
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 工程与应用
• 页码范围: 228-230,242
• 分类号: TN911.73
• 字数: 2608字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.06.063

摘要

为了更好地对电磁兼容进行预测,提出一种自适应泛化回归神经网络(AGRNN),与传统泛化回归神经网络(GRNN)区别在于:将光滑因子设为最小数据距离的1/2,将偏置设为光滑因子的倒数.对简单一维数据的测试表明,无论数据如何分布,AGRNN的拟合曲线均较GRNN更加接近样本点、且更平滑.以平行线间电磁耦合干扰为具体算例,证明AGRNN对训练数据与测试数据的预测优于改进BP算法,且网络不需要训练.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴乐南	东南大学信息科学与工程学院	412	3936	29.0	45.0
2	张煜东	东南大学信息科学与工程学院	47	664	11.0	24.0
3	陈书文	东南大学信息科学与工程学院	2	19	2.0	2.0