已閱讀1頁，還剩49頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、在傳統(tǒng)小波神經網絡中，一般采用的網絡訓練方法是梯度下降法，這是一種局部搜索算法，容易使網絡陷入局部極值，所得的網絡訓練誤差較大?；玖Ｗ尤簝?yōu)化小波神經網絡避免了梯度下降法中要求激活函數可微、對函數求導的過程計算，但是迭代公式依然復雜，計算量依然比較大。
本論文將一種改進的粒子群優(yōu)化算法運用于小波神經網絡，以更小的種群數和進化世代數優(yōu)化了小波神經網絡中的各個參數，并將該方法應用于曲線擬合仿真實驗。實驗表明，該算法能減少迭代次
2、數、提高收斂精度，是小波神經網絡的有效訓練算法，獲得了非常好的優(yōu)化效果。本文一共包括六章。
第一章主要介紹目前國內外小波神經網絡的發(fā)展和研究現狀，并闡述本文所做研究的背景、主要工作和創(chuàng)新。第二章主要介紹了小波神經網絡的基本原理及幾種常見的訓練算法。第三章介紹了基本粒子群優(yōu)化算法以及本文用到的改進了的粒子群優(yōu)化算法。第四章主要闡述基于改進的粒子群優(yōu)化算法的小波神經網絡的設計思想及訓練算法。第五章中，筆者對所設計的改進的粒子群
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 免疫粒子群算法優(yōu)化小波神經網絡的研究.pdf
- 粒子群算法優(yōu)化小波神經網絡控制器.pdf
- 基于改進粒子群算法的小波神經網絡控制器設計與研究.pdf
- 基于改進粒子群算法的模糊神經網絡研究.pdf
- 基于改進粒子群算法的BP神經網絡優(yōu)化及應用.pdf
- 粒子群算法優(yōu)化的小波神經網絡在目標跟蹤中的應用(1)
- 粒子群算法優(yōu)化的小波神經網絡在目標跟蹤中的應用.pdf
- 基于粒子群算法的二級倒立擺小波神經網絡控制.pdf
- 基于改進粒子群——小波神經網絡的預測模型及其應用研究.pdf
- 基于改進粒子群小波神經網絡的瓦斯的研究及預測.pdf
- 基于協(xié)同粒子群算法的卷積神經網絡優(yōu)化研究.pdf
- 基于神經網絡粒子群優(yōu)化算法的地區(qū)負荷預測研究.pdf
- 基于粒子群優(yōu)化的神經網絡及其集成算法研究.pdf
- 基于粒子群優(yōu)化的神經網絡智能控制.pdf
- 改進的粒子群算法訓練BP神經網絡的研究.pdf
- 基于粒子群優(yōu)化神經網絡算法的車輛動態(tài)稱重系統(tǒng).pdf
- 基于改進粒子群算法與神經網絡的磁軸承控制研究.pdf
- 基于粒子群優(yōu)化的神經網絡的渲染時間預估算法.pdf
- 基于自適應變異協(xié)同粒子群的小波神經網絡學習算法和構造研究.pdf
- 粒子群算法的改進及其在人工神經網絡中的應用
評論
0/150
提交評論