自增长混合神经网络及其在燃料电池建模中的应用

被引：5

作者：

李大字

刘方

靳其兵

机构：

[1] 北京化工大学信息科学与技术学院

来源：

化工学报 | 2015年 / 66卷 / 01期

关键词：

乘算子; 粒子群; 混合神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM911.4 [燃料电池];

学科分类号：

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。

引用

页码：333 / 337

页数：5

共 9 条

[1] 一种基于万有引力的自生长神经网络算法 [J].

李满天 ;

王春林 ;

王鹏飞 ;

查富生 ;

郭伟 .

机械与电子, 2013, (10) :3-5

[2]

一种基于能量人工神经元模型的自生长、自组织神经网络[J]. 班晓娟,刘浩,徐卓然.自动化学报. 2011(05)

[3]

RBF神经网络的结构动态优化设计[J]. 乔俊飞,韩红桂.自动化学报. 2010(06)

[4] PEMFC的Elman神经网络建模与模糊神经网络控制 [J].

陈跃华 ;

曹广益 ;

朱新坚 .

能源技术, 2005, (04) :146-149

[5] Emulation of Spline Networks Through Approximation of Polynomials and Step Function of Neural Networks with Cosine Modulated Symmetric Exponential Function [J].

Lee, Sang-Wha ;

Song, Hae-Sang .

WIRELESS PERSONAL COMMUNICATIONS, 2014, 79 (04) :2579-2594

[6]

Recent Advances in Artificial Immune Systems: Models and Applications[J] . Dipankar Dasgupta,Senhua Yu,Fernando Nino.Applied Soft Computing Journal . 2010 (2)

[7]

Quantum inspired PSO for the optimization of simultaneous recurrent neural networks as MIMO learning systems[J] . Bipul Luitel,Ganesh Kumar Venayagamoorthy.Neural Networks . 2009 (5)

[8]

Fusion of clonal selection algorithm and differential evolution method in training cascade–correlation neural network[J] . X.Z. Gao,X. Wang,S.J. Ovaska.Neurocomputing . 2008 (10)

[9]

Dynamic modeling and simulation of a small wind–fuel cell hybrid energy system[J] . M.J. Khan,M.T. Iqbal.Renewable Energy . 2004 (3)

← 1 →