基于分数阶滤波器的高泛化性神经网络建模

• 作者: 刘加存 梅其祥 苑增福
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 神经网络 建模 泛化性 分数阶滤波器 盲动粒子群
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 计算机与控制系统
• 页码范围: 57-62
• 页数: 6页
• 分类号: TP15|TP183
• 字数: 4447字
• 语种: 中文

摘要

为了显著提高神经网络建模的泛化性,提出了激活函数是分数阶滤波器的神经网络.分数阶滤波器涵盖了Butterworth和Chebyshev滤波器的性能.滤波器集对样本信号进行频率分解,既提升了信息的致密性,也保证了遍历性,更有助于提高神经网络的泛化性.各滤波器参数由盲动粒子群优化算法寻优.神经网络解算时,既采用了线性回归求解神经网络输出层权重,又在有限频段上用线性传递函数模拟替代分数阶传递函数,这两种措施缩短了解算时间.仿真结果表明,线性系统的泛化性精度可达亿分之几,非线性系统可达万分之几,可以离线应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梅其祥	广东海洋大学数学与计算机学院	11	29	3.0	5.0
2	刘加存	广东海洋大学电子与信息工程学院	10	18	2.0	3.0