自增长混合神经网络及其在燃料电池建模中的应用

发布时间：2017-08-22 09:26

  本文关键词：自增长混合神经网络及其在燃料电池建模中的应用

  更多相关文章： 乘算子 粒子群 混合神经网络

【摘要】：为了提高非线性辨识的精度,提出了一种基于混合算子的自增长混合神经网络。该神经网络通过自增长的混合隐含层结构,包括加算子和乘算子,形成神经元个数少、结果精确、增长快速的网络。论文在级联神经网络的结构基础上,提出GQPSOI算法来引导神经网络的结构自增长以及权值更新。通过对燃料电池的建模与比较分析,证明了方法的有效性和良好的应用前景。
【作者单位】： 北京化工大学信息科学与技术学院;
【关键词】： 乘算子 粒子群 混合神经网络
【基金】：国家自然科学基金项目(61273132) 中央高校基科研业务费专项资金项目(ZZ1014)~~
【分类号】：TP183;TM911.4
【正文快照】： 引言生物的神经系统是自然进化的结果,作为对神经系统生物学规律模拟的人工神经网络,预先设计好的结构往往使其功能存在一定的局限性。研究人工神经网络的拓扑结构自动生成,不仅可以精简神经网络的结构和提高泛化性,也是对智能本源的探索。自增长神经网络已经在很多领域取得了

【共引文献】

中国期刊全文数据库 前3条

1 李鹏华;柴毅;熊庆宇;;量子门Elman神经网络及其梯度扩展的量子反向传播学习算法[J];自动化学报;2013年09期

2 李军伟;程咏梅;陈克U，

本文编号：718346