基于pso的自組織rbf神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計及應(yīng)用研究

《基于pso的自組織rbf神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計及應(yīng)用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中文圖書分類號：TP183密級：公開UDC：621.3學(xué)校代碼：10005碩士學(xué)位論文MASTERALDISSERTATION基于PSO的自組織RBF神經(jīng)網(wǎng)絡(luò)論文題目：優(yōu)化設(shè)計及應(yīng)用研究論文作者：周文冬學(xué)科：控制科學(xué)與工程指導(dǎo)教師：韓紅桂教授論文提交日期:2016年6月UDC：621.3學(xué)校代碼：10005中文圖書分類號：TP183學(xué)號：S201302153密級：公開北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文題目：基于PSO的自組織RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計及應(yīng)用研究英文題目：OPTIMAZATIONANDAPPLIZACTIONofSELF-ORGANIZINGRBFNEURALNETWO

2、RKBASEDONPSO論文作者：周文冬學(xué)科專業(yè)：控制科學(xué)與工程研究方向：智能計算與智能系統(tǒng)申請學(xué)位：工學(xué)碩士指導(dǎo)教師：韓紅桂教授所在單位：電子信息與控制工程學(xué)院答辯日期：2016年6月授予學(xué)位單位：北京工業(yè)大學(xué)獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京工業(yè)大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料一。與我同工作的同志對本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了謝意。簽名＾：商袁矣曰

3、期：年《月《曰關(guān)于論文使用授權(quán)的說明本人完全了解北京工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定目；，Ｐ學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)?？晒颊撐牡娜炕虿浚崳姡壏謨?nèi)容，可Ｗ采用影印、縮印或其他復(fù)制手段保存論文。（保密的論文在解密后應(yīng)遵守此規(guī)定）簽名？：蘭袁朱曰期訪：＞４年占月《曰導(dǎo)師簽名：曰期＞仍６月《曰（＾：年———Ｉ１摘要摘要徑向基（RadialBasicFunction,RBF）神經(jīng)網(wǎng)絡(luò)作為一種前饋型神經(jīng)網(wǎng)絡(luò)，在模型預(yù)測、智能控制和模式識別等領(lǐng)域得到廣泛應(yīng)用。然而，當(dāng)前RBF神經(jīng)網(wǎng)絡(luò)

4、結(jié)構(gòu)主要通過經(jīng)驗或湊試的方法確定，且結(jié)構(gòu)一旦確定將不再調(diào)整，極大的降低了RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力。因此，如何在RBF神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的同時實現(xiàn)其結(jié)構(gòu)的自適應(yīng)調(diào)整，提高RBF神經(jīng)網(wǎng)絡(luò)的性能，提升其應(yīng)用能力，是RBF神經(jīng)網(wǎng)絡(luò)設(shè)計及應(yīng)用中亟待解決的難題。為了解決RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)優(yōu)化的問題，文中在深入分析RBF神經(jīng)網(wǎng)絡(luò)特性的基礎(chǔ)上，設(shè)計了一種自適應(yīng)粒子群優(yōu)化（AdaptiveParticleSwarmOptimization,APSO）算法，獲得了一種基于APSO的自組織RBF(APSO-SORBF)神經(jīng)網(wǎng)絡(luò)。為了進(jìn)一步提高自組織RBF神經(jīng)網(wǎng)絡(luò)的泛化能力，設(shè)計了一種自適應(yīng)梯

5、度多目標(biāo)粒子群優(yōu)化（AdaptiveGradientMultiobjectiveParticleSwarmOptimization，AGMOPSO）算法，提出了基于AGMOPSO算法的自組織RBF(AGMOPSO-SORBF)神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。并且對RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)調(diào)整過程的收斂性進(jìn)行深入分析。論文主要研究工作如下：1.APSO算法設(shè)計：針對標(biāo)準(zhǔn)粒子群優(yōu)化（ParticleSwarmOptimization,PSO）算法存在早熟收斂、易陷入局部收斂等問題，文中設(shè)計了一種APSO算法。利用粒子群體的多樣性及個體粒子的飛行狀態(tài)信息，自適應(yīng)調(diào)整粒子飛行參數(shù)，更好的避免粒子陷

6、入局部收斂，平衡粒子全局與局部搜索能力。實驗結(jié)果表明，文中提出的APSO相比其他改進(jìn)PSO具有更高的搜索精度。2.APSO-SORBF神經(jīng)網(wǎng)絡(luò)設(shè)計及應(yīng)用：針對RBF神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及結(jié)構(gòu)動態(tài)調(diào)整問題，設(shè)計了一種APSO-SORBF神經(jīng)網(wǎng)絡(luò)。將RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)（中心值、寬度、連接權(quán)值）作為粒子空間位置，將粒子空間維數(shù)映射到隱含層神經(jīng)元數(shù)，實現(xiàn)了RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)同時優(yōu)化，解決了RBF結(jié)構(gòu)與參數(shù)不匹配的問題。非線性系統(tǒng)建模的實驗結(jié)果表明：提出的自組織機制能夠優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，獲得的APSO-SORBF神經(jīng)網(wǎng)絡(luò)精度較高，并將APSO-SORBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于污水處

7、理過程出水總磷軟測量模型設(shè)計，取得較好的預(yù)測精度。3.MOPSO算法設(shè)計：針對影響RBF泛化能力的多個因素之間相互沖突的問題，設(shè)計了一種MOPSO算法。同時，基于多目標(biāo)梯度(MultiobjectiveGradient,MOG)增強局部開發(fā)能力，并通過粒子的飛行信息，提出自適應(yīng)飛行參數(shù)策略，I北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文較好的平衡粒子全局與局部搜索，設(shè)計一種AGMOPSO算法。實驗結(jié)果表明AGMOPSO具有更好的收斂精度和收斂速度。4.AGMOPSO-SORBF神經(jīng)網(wǎng)絡(luò)設(shè)計及應(yīng)用：為了提高自組織RBF神經(jīng)網(wǎng)的泛化能