BPNN-HDMR非线性近似模型方法及应用

• 作者: 李伟平 柳超 王振兴 窦现东
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 近似模型 高维模型 误差反向传播神经网络 非线性 结构优化
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 机械工程
• 页码范围: 32-38
• 页数: 7页
• 分类号: U463.4
• 语种: 中文

摘要

提出基于误差反向传播神经网络(Back Propagation Neural Network,BPNN)的高维模型表示(high dimensional model representation,HDMR)方法,即BPNN HDMR方法.BPNN HDMR方法的显著优势是将BP神经网络的非线性函数逼近能力与高维模型的层级结构理论相结合来构建近似模型,并能够揭示输入变量之间固有的线性或非线性关系及其相关性,将构造模型复杂度由指数级增长降阶为多项式级,有效地解决了高维建模问题.通过测试和对比验证了该算法的效率和建模能力,并将该算法应用于矿用自卸车安全驾驶室翻车保护装置(Roll Over Protective Structure,ROPS)的优化设计.通过优化结果验证了所提方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟平	湖南大学汽车车身先进设计制造国家重点实验室	58	586	13.0	21.0
2	柳超	湖南大学汽车车身先进设计制造国家重点实验室	5	45	4.0	5.0
3	王振兴	湖南大学汽车车身先进设计制造国家重点实验室	7	35	4.0	5.0
4	窦现东	湖南大学汽车车身先进设计制造国家重点实验室	6	34	4.0	5.0