基于AQPSO的RBF神经网络自组织学习

作     者：杨刚 王乐 戴丽珍 杨辉 陆荣秀 YANG Gang;WANG Le;DAI Li-zhen;YANG Hui;LU Rong-xiu

作者机构：华东交通大学电气与自动化工程学院南昌330013 江西省先进控制与优化重点实验室南昌330013 

基　　金：国家自然科学基金项目(61673172 61663012 61364013) 江西省交通运输厅科技项目(2014X0015) 江西省教育厅科技项目(GJJ150490) 江西省科技厅青年科学基金项目(20161BAB212054) 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2018年第33卷第9期

页      码：1631-1636页

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L_(i,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.通过非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,而且其网络结构也较为紧凑.

主 题 词：RBF神经网络 自适应量子粒子群优化 自组织学习 

学科分类：0820[工学-航空航天类] 12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13195/j.kzyjc.2017.0595

馆 藏 号：203312888...