辽宁省教育厅高等学校科学研究项目(L2012402)
- 作品数：3 被引量：20H指数：2
- 相关作者：常晓恒丁硕巫庆辉杨友林更多>>
- 相关机构：渤海大学更多>>
- 发文基金：辽宁省教育厅高等学校科学研究项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 数值优化改进的BP神经网络逼近性能对比研究被引量：6
- 2014年
- 为了比较不同的数值优化改进的BP神经网络的逼近性能,本文在MATLAB 7.0环境下,建立了三类基于数值优化改进的BP算法,并以非线性函数逼近为例,对7种典型的数值优化改进算法进行网络训练和仿真实验,得出了在不同环境下,每种数值优化差法逼近的可行性。
- 丁硕常晓恒巫庆辉杨友林
- 关键词：BP神经网络
- GRNN与BPNN的函数逼近性能对比研究被引量：12
- 2014年
- 为了研究GRNN和BPNN非线性函数的逼近能力,从数学角度详细阐述了GRNN和基于LM优化算法改进的BPNN的学习过程,编程建立了GRNN和BPNN,并分别用两种神经网络对指定的非线性函数进行逼近实验。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,相对于BPNN而言,GRNN的逼近精度更高、收敛速度更快,具有很好的逼近能力,为解决非线性函数的逼近问题提供了良好的解决手段。
- 丁硕常晓恒巫庆辉
- 关键词：广义回归神经网络反向传播神经网络函数逼近仿真
- 基于GRNN的霍尔式位移传感器特性曲线拟合研究被引量：2
- 2014年
- 为了精确反映霍尔式位移传感器的输入-输出特性,为其非线性补偿提供可靠依据,提出了利用广义回归神经网络(General Regression Neural Networks,GRNN)对霍尔式位移传感器的输入-输出特性曲线进行拟合的新方法。为了证明此种新方法的可行性和有效性,利用LM(Levenberg-Marquart)算法对传统反向传播神经网络(Back Propagation Neural Networks,BPNN)进行改进,并将GRNN和BPNN的拟合结果进行对比。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,采用GRNN比采用BPNN进行曲线拟合的误差更小、收敛速度更快且具有更高的拟合精度。
- 丁硕常晓恒巫庆辉
- 关键词：广义回归神经网络反向传播神经网络霍尔式传感器
