改进的简化粒子群算法优化模糊神经网络建模

• 作者: 南敬昌 周丹 高明明
• 来源期刊: 计算机应用研究
• 关键词: 记忆功放模型 自适应模糊推理系统 简化粒子群算法 个体最优候选解 拉普拉斯系数
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1000-1003
• 页数: 4页
• 分类号: TP183|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.04.009

摘要

为了更准确地描述有记忆效应的射频功放特性,提出了一种改进的简化粒子群优化(PSO)算法,并结合自适应模糊推理系统(ANFIS)建立模糊神经网络功放模型.改进的简化PSO算法仅保留粒子的位置项,加入了随机的个体最优候选解,由粒子的当前位置、个体最优解、全局最优解和随机的个体最优候选解共同决定其位置项;采用线性递减惯性权重,并利用异步变化的动态学习因子,且新颖地引入拉普拉斯系数,从而增加了种群多样性,加快了收敛速度,避免陷入局部最优.由模型仿真对比可知,该方法建立的功放模型结构简单、收敛快、误差小、精度高,从而验证了建模方法的有效性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	南敬昌	辽宁工程技术大学电子与信息工程学院	143	665	12.0	15.0
2	周丹	辽宁工程技术大学电子与信息工程学院	5	43	4.0	5.0
3	高明明	辽宁工程技术大学电子与信息工程学院	59	194	8.0	10.0