基于进化算法的递归神经网络系统辨识方法

›› 2009, Vol. 31 ›› Issue (4): 597-599, 629.

基于进化算法的递归神经网络系统辨识方法

栗春1 宋勇2

1.山东大学威海分校电教中心，威海264209；2.山东大学威海分校信息工程学院，威海264209

出版日期:2009-08-25 发布日期:2013-07-19

Online:2009-08-25 Published:2013-07-19

摘要/Abstract

摘要：

针对传统的递归神经网络学习算法存在的缺陷，本文利用进化算法对递归神经网络进行优化设计，提出了一种基于改进进化算法的递归神经网络系统辨识方法。该方法利用高斯变异和柯西变异相结合的方式进行变异操作，利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整，可以保证变异操作按一定的幅度均匀地分布在整个网络上，提高算法的收敛速度，避免早熟现象。给出了算法的具体步骤，通过仿真实验证明了该算法的有效性。

关键词: 系统辨识, 神经网络, 进化算法, 交叉, 变异

中图分类号:

TP18

栗春宋勇 . 基于进化算法的递归神经网络系统辨识方法[J]. , 2009, 31(4): 597-599, 629.

[1]	张娴李嘉晖. 技术交叉主题特征识别研究进展[J]. 世界科技研究与发展, 2024, 46(3): 386-408.
[2]	黄鑫朱健康尹军祥郭伟桑晓冬赵添羽卢姗袁天蔚李苏宁. 医学领域颠覆性技术发展现状、问题及展望[J]. 世界科技研究与发展, 2023, 45(5): 581-595.
[3]	刘德娟沈力. 关于跨学科科学研究的国际经验及启示[J]. 世界科技研究与发展, 2023, 45(5): 596-605.
[4]	丁陈君陈方郑颖邓诗碧吴晓燕宋琪. 全球生物科技发展态势分析及对我国的建议[J]. 世界科技研究与发展, 2022, 44(6): 755-767.
[5]	刘小平吕凤先. 2020年基础前沿交叉领域发展态势与趋势[J]. 世界科技研究与发展, 2021, 43(5): 575-592.
[6]	刘小平吕凤先. 基础前沿交叉领域2019年进展与趋势[J]. 世界科技研究与发展, 2020, 42(6): 608-622.
[7]	丁陈君陈方郑颖吴晓燕宋琪. 全球生物科技发展态势及对我国的启示[J]. 世界科技研究与发展, 2020, 42(2): 133-143.
[8]	王小龙全强明熊立新. 基于改进粒子群-GRNN模型的地铁隧道沉降预测[J]. , 2016, 38(6): 1142-1146.
[9]	郑红峰郑颢徐见炜张雪晖宣可佳肖文惠. 基于改进型差分进化算法的机组负荷经济分配[J]. , 2016, 38(6): 1253-1257.
[10]	李旭刘剑. 基于PCA-ABBP强分类器的矿区采空塌陷危险性预测[J]. , 2016, 38(5): 960-964.
[11]	邓高杨珊江时雨. 相空间重构和混沌遗传神经网络融合的矿井涌水量预测研究[J]. , 2016, 38(5): 973-978.
[12]	王丽娟李欣雨. 基于PCA-EBP神经网络的煤炭物流成本预测[J]. , 2016, 38(5): 1101-1106.
[13]	王卫华李坤严哲唐修. 基于BP神经网络方法研究岩石节理形貌粗糙度系数[J]. , 2016, 38(3): 518-521.
[14]	邰晓红王丽娜. 基于模糊控制修正Elman神经网络的电力负荷短期动态预测[J]. , 2016, 38(2): 264-269.
[15]	彭连会张祥波. 基于ARIMA-RBF算法的月度降雨量预测研究[J]. , 2016, 38(2): 301-305.

基于进化算法的递归神经网络系统辨识方法

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐