改进混沌粒子群的动态模糊神经网络参数优化及应用

被引：20

作者：

匡芳君 ^{[1
,2
]}

张思扬 ^{[2
]}

徐蔚鸿 ^{[1
,3
]}

机构：

[1] 南京理工大学计算机科学与工程学院

[2] 湖南安全技术职业学院电气与信息工程系

[3] 长沙理工大学计算机与通信工程学院

来源：

微电子学与计算机 | 2015年 / 32卷 / 01期

关键词：

动态模糊神经网络; 混沌粒子群优化; 早熟处理机制; 参数优化; 煤与瓦斯突出;

D O I：

10.19304/j.cnki.issn1000-7180.2015.01.011

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

动态模糊神经网络(DFNN)的性能和学习的稳定性取决于其预设参数的选择,针对DFNN多参数优化问题,提出了改进混沌粒子群优化算法,并将其应用于DFNN神经网络预设参数寻优,以获取最佳参数组合.实验结果表明,该方法能够快速有效地提取DFNN的最优参数组合,具有精度高、收敛快、迭代次数少等特点;利用改进混沌粒子群的动态模糊神经网络构建煤与瓦斯突出预测模型,具有良好的建模效果和更高的预测精度.

引用

页码：48 / 53

页数：6

共 9 条

[1]

遗传算法与神经网络相结合在煤与瓦斯突出危险预测中的应用研究 [D].