基于AQPSO的RBF神经网络自组织学习

• 作者: 戴丽珍 杨刚 杨辉 王乐 陆荣秀
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: RBF神经网络 自适应量子粒子群优化 自组织学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1631-1636
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.0595

摘要

针对径向基函数(RBF)神经网络的结构设计及参数优化问题,提出一种自适应量子粒子群优化(AQPSO)算法.将RBF神经网络的网络规模及参数映射到粒子的空间位置,定义权值平均最优位置,从而对量子粒子群优化(QPSO)中Li,j(t)进行评价,设计随粒子进化而自动调整的收缩-扩张系数β及网络规模调整规则,实现RBF神经网络结构和参数的自组织学习,提高网络的学习能力.通过+线性系统辨识以及短时交通流量预测验证所提出方法的有效性.实验研究表明,基于AQPSO的RBF神经网络自组织学习算法不仅能够获得较好的学习性能,而!其网络结构也较为紧凑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆荣秀	华东交通大学电气与自动化工程学院	26	149	8.0	10.0
2	杨辉		23	140	7.0	10.0
3	杨刚	华东交通大学电气与自动化工程学院	12	32	3.0	5.0
4	戴丽珍	华东交通大学电气与自动化工程学院	10	33	4.0	5.0
5	王乐		3	16	2.0	3.0