文献类型：期刊文章

作　　者：文常保[1] 马文博[1] 刘鹏里[1]

WEN Chang-bao;MA Wen-bo;LIU Peng-li(Institute of Micro-Nanoelectronics,School of Electronics and Control Engineering,Chang'an University,Xi'an 710064,China)

机构地区：[1]长安大学电子与控制工程学院微纳电子研究所,陕西西安710064

出　　处：《计算机工程与科学》

基　　金：国家自然科学基金(61701044);陕西省自然科学基础研究计划(2018JQ6056;2018XNCG-G-01);中央高校教育教学改革专项经费(300103190537;300104283215)

年　　份：2019

卷　　号：41

期　　号：5

起止页码：917-923

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、INSPEC、JST、ZGKJHX、核心刊

摘　　要：针对RBF神经网络隐含层节点数过多导致网络结构复杂的问题,提出了一种基于改进遗传算法(IGA)的RBF神经网络优化算法。利用IGA优化基于正交最小二乘法的RBF神经网络结构,通过对隐含层输出矩阵的列向量进行全局寻优,从而设计出结构更优的基于IGA的RBF神经网络(IGA-RBF)。将IGA-RBF神经网络的学习算法应用于电子元器件贮存环境温湿度预测模型,与基于正交最小二乘法的RBF神经网络进行比较的结果表明:IGA-RBF神经网络设计出来的网络训练步数减少了44步,隐含层节点数减少了34个,且预测模型得到的温湿度误差较小,拟合精度大于0.95,具有更高的预测精度。

关 键 词：改进遗传算法 RBF神经网络 结构优化 环境预测

分 类 号：TP183]