| 一种混合优化的结构自适应极限过程神经网络及应用 |
| |
| 作者姓名： | 刘志刚 许少华 杜娟 肖佃师 |
| |
| 作者单位： | 东北石油大学计算机与信息技术学院,黑龙江大庆163318,山东科技大学计算机科学与工程学院,山东青岛266590,东北石油大学计算机与信息技术学院,黑龙江大庆163318,中国石油大学华东 非常规油气与新能源研究院,山东青岛266580 |
| |
| 基金项目： | 国家自然科学基金项目(61170132,41330313,41602141);黑龙江省自然科学基金项目(F2015021). |
| |
| 摘 要： | 为解决过程神经网络的隐层结构和训练速度问题,在极限学习机的基础上,提出一种混合优化的结构自适应极限过程神经网络.首先,采用在隐层中逐次增加过程神经元节点直至满足输出误差的方式完成模型结构自适应;然后,为消除冗余节点,提出对新增临时节点输出实施Gram-Schmidt正交化完成相关性判别;最后,构建一种量子衍生布谷鸟算法,对新增节点输入权函数正交基展开系数实施寻优.仿真实验以Mackey-Glass和页岩油TOC预测为例,通过对比分析验证所提出方法的有效性,仿真结果表明所得模型的逼近效率和训练速度有明显提高.
|
| 关 键 词： | 过程神经网络 极限学习 Gram-Schmidt正交化 布谷鸟算法 自适应结构 |
|
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
