基于新的改进粒子群算法的BP神经网络在拟合非线性函数中的应用

发布时间：2018-09-06 19:02

【摘要】：介绍了一种基于新的改进粒子群算法(NIPSO)的BP神经网络来解决拟合非线性函数所出现的误差较大的问题。此算法在粒子群优化算法基础上,分别让权重和学习因子非线性和线性变化,建立基于新的粒子群优化算法的新模型,再与BP神经网络结合之后来拟合非线性函数。结果表明,新的改进粒子群优化算法更加合理且高效地提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。
[Abstract]:A BP neural network based on a new improved particle swarm optimization (NIPSO) algorithm is introduced to solve the problem of large errors in fitting nonlinear functions. On the basis of particle swarm optimization (PSO) algorithm, the weight and learning factors are changed linearly, and a new model based on PSO algorithm is established, which is then combined with BP neural network to fit the nonlinear function. The results show that the new improved particle swarm optimization algorithm improves the fitting ability of BP neural network more reasonably and efficiently, reduces the fitting error and improves the fitting accuracy.
【作者单位】： 四川大学电子信息学院;
【基金】：国家自然科学基金(61174025)资助
【分类号】：O174;TP18

【相似文献】

相关期刊论文 前10条

1 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

2 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

3 王学峰,张峰;神经网络中引入数值积分寻优法[J];兵团教育学院学报;2003年01期

4 周凤燕,马成荣;三种群捕食与被捕食生物方程基于神经网络的H_∞非线性控制[J];绍兴文理学院学报(自然科学);2004年08期

5 张金;;具混合时滞的随机神经网络的稳定性分析[J];苏州大学学报(自然科学版);2011年02期

6 吕学义;时和平;张敏;;基于神经网络与模糊理论的备件库选址预测[J];计算机系统应用;2011年12期

7 武以敏;;无界可变延迟神经网络的一般稳定性(英文)[J];应用数学;2012年01期

8 钱学明;;具有变耦合时滞的离散时间神经网络的同步[J];安庆师范学院学报(自然科学版);2012年03期

9 陈忠;;具时滞离散型神经网络指数同步问题[J];贵州大学学报(自然科学版);2012年05期

10 刘永才,张卫;多输入门的神经网络[J];自然杂志;1992年01期

相关会议论文 前10条

1 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

2 卢钊;陈增强;袁著祉;;基于广义目标函数的神经网络间接自适应控制器[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

3 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

4 邵良杉;王军;孙绍光;;神经网络拟合函数方式的研究[A];管理科学与系统科学研究新进展——第8届全国青年管理科学与系统科学学术会议论文集[C];2005年

5 刘志飞;;基于BP神经网络的助学信贷评估模型[A];信息经济学与电子商务：第十三届中国信息经济学会学术年会论文集[C];2008年

6 周武;邱汉强;仲自勉;;神经网络的一种应用[A];模糊集理论与应用——98年中国模糊数学与模糊系统委员会第九届年会论文选集[C];1998年

7 金凤;;基于神经网络与理想解的多属性决策[A];第四届全国船舶与海洋工程学术会议论文集[C];2009年

8 童玮;魏海坤;;神经网络剪枝算法在上市公司ST预测中的应用[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

9 尚慧琳;;两神经元时滞Hopfield神经网络的吸引子和吸引域估计[A];中国力学学会学术大会'2009论文摘要集[C];2009年

10 刘海萍;;神经网络在CPI预测中的应用[A];第五届（2010）中国管理学年会——市场营销分会场论文集[C];2010年

相关博士学位论文 前10条

1 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

2 孙小淇;随机时滞神经网络的动力行为分析[D];中国海洋大学;2015年

3 王华敏;两类脉冲时滞微分系统和神经网络的稳定性[D];西南大学;2016年

4 阿卜杜杰力力·阿卜杜热合曼;具有连续或不连续激活函数的忆阻神经网络的同步控制研究[D];新疆大学;2016年

5 王玲;基于反应扩散方程的神经网络与种群模型的动力学研究[D];南京航空航天大学;2016年

6 王利利;神经网络的动力学分析及稳定性研究[D];复旦大学;2009年

7 马润年;图论与神经网络的若干问题研究[D];西安电子科技大学;2002年

8 于娟;整数阶与分数阶神经网络的同步控制研究[D];新疆大学;2013年

9 李小爱;随机时滞神经网络的P阶矩指数稳定性研究[D];中南大学;2013年

10 王琼;基于优化理论的神经网络研究及在抽油机故障诊断中的应用[D];东北石油大学;2011年

相关硕士学位论文 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 何志方;两类具有反应扩散的BAM神经网络的指数稳定性[D];哈尔滨工业大学;2015年

5 赵雪婷;脉冲切换神经网络的稳定性分析和同步控制[D];大连理工大学;2015年

6 赵栋;全局稳定的自适应神经网络控制及应用[D];西安电子科技大学;2014年

7 王艳;时滞复杂网络的稳定性及Hopf分岔[D];青岛科技大学;2016年

8 张治中;随机时滞神经网络输入状态稳定性研究[D];广东工业大学;2016年

9 李吉印;基于BP神经网络马尔可夫模型的黄土丘陵半干旱区降水量预测[D];西北农林科技大学;2016年

10 杨阔;马尔可夫跳跃神经网络与基于忆阻器Chua的电路的稳定性[D];燕山大学;2016年

，

本文编号：2227232