文献类型：期刊文章

作　　者：孔国利[1] 张璐璐[1]

KONG Guo-li;ZHANG Lu-lu(Information Engineering College, Zhongzhou University, Zhengzhou 450000,China)

机构地区：[1]中州大学信息工程学院,河南郑州450000

出　　处：《计算机工程与设计》

基　　金：国家青年基金项目(61405156);国家自然科学基金项目(U1304618)

年　　份：2017

卷　　号：38

期　　号：2

起止页码：488-493

语　　种：中文

收录情况：BDHX、BDHX2014、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对广义回归神经网络中光滑因子难以确定,影响建模精度以及模型泛化能力等问题,提出一种基于遗传算法优化广义回归神经网络的高精度建模方法。以广义回归神经模型为基础构建测试样本,预测误差与光滑因子之间的函数,作为适应度函数;通过遗传算法对光滑因子进行优化,以模型输出值误差达到最小时的光滑因子为最优,提高网络模型精度。测试函数建模实验结果表明,与传统的广义回归神经网络相比,该方法预测值均方根误差下降89.45%,平均绝对误差下降91.53%,平均相对误差下降97.65%,能有效提高建模精度和模型泛化能力,为复杂工业的非线性系统建模提供了有效的方法。

关 键 词：非线性系统 广义回归神经网络 遗传算法 建模  光滑因子  

分 类 号：TP391.41]