共查询到10条相似文献,搜索用时 31 毫秒
1.
提出了一种基于模糊神经网络的数据挖掘算法,将模糊理论与神经网络技术结合,避免了单纯的神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。经过模糊神经网络的建立和训练可达到精度要求。将试验值、单纯神经网络及支持向量机的预测结果进行比较,可以得出如下结论:当模糊神经网络的隶属度函数中的参数及神经网络连接权值的初始值合理时,其学习算法的精度高,收敛性好。 相似文献
2.
3.
为了达到准确地对汽车液压泵进行故障诊断的目的,深入地研究了模糊神经网络在故障诊断中的应用.首先,分析了模糊RBF神经网络模型以及对应的算法流程;接着,根据汽车液压泵所存在的故障建立了故障诊断的数据样本对模糊神经网络进行训练;最后,利用训练后的模糊神经网络对汽车液压泵进行故障诊断,结果表明,模糊神经网络具有非常高的故障诊断效率. 相似文献
4.
基于PSO的模糊人工神经网络径流预报模型 总被引:3,自引:0,他引:3
粒子群优化(PSO,Particle swarm optimizer)算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解。其优势在于操作简单,容易实现,并且功能强大。目前PSO已成为国际演化计算界研究的热点。本文将PSO与模糊优选人工神经网络进行融合,对流域年径流量进行智能预测,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势,结果表明采用这种方法可以提高模糊优选人工神经网络的训练效率并且具有很好的推广能力。 相似文献
5.
6.
针对一些非线性场合或者控制对象可变的条件下,传统PID控制达不到要求且需要靠经验不断地调整PID参数的情况,提出了一种基于粒子群优化(particle swarm optimization,PSO)的神经网络自适应控制算法。该算法结合传统PID控制、BP神经网络和PSO全局优化算法,用PSO算法优化BP神经网络的初始权值,然后用优化后的BP神经网络在线调整PID参数。优化过程中引入了变异操作,并考虑激活函数增益及隐含层数的选择对PSO算法和BP神经网络的综合影响。该算法克服了神经网络容易陷入局部极小值以及收敛速度慢的缺陷,仿真结果表明,该算法在精确性和实时性上有很大的改进。 相似文献
7.
提出一种新型混沌PSO算法优化RBF神经网络并对板形进行识别,使用神经网络预测和效应矩阵控制器对板形进行预测控制.仿真过程表明,新型混沌PSO算法对优化神经网络的结构和参数都有明显的效果,使用板形识别模型和带预测过程的效应函数可以有效控制板形系统. 相似文献
8.
9.
张文华 《机械工程与自动化》2012,(3):104-106
BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高. 相似文献