改进并行粒子群算法优化RBF神经网络建模

• 作者: 南敬昌 陆亚男 高明明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 并行粒子群算法 自适应变异操作 径向基函数(RBF)神经网络 平均适应度 功放建模
• 年，卷（期）: 2017,（14）
• 所属期刊栏目: 理论与研发
• 页码范围: 45-50
• 页数: 6页
• 分类号: TP301.6|TP391.9
• 字数: 6416字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1512-0001

摘要

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO).该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛.将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真.结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度.

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	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
3	陆亚男	辽宁工程技术大学电子与信息工程学院	2	5	2.0	2.0