Journal of Systems Engineering and Electronics ›› 2010, Vol. 32 ›› Issue (10): 2136-2140.doi: 10.3969/j.issn.1001-506X.2010.10.26
荆献勇1,肖明清1,余文波2,赵鑫1
JING Xianyong1,XIAO Mingqing1,YU Wenbo2,ZHAO Xin1
摘要:
基于过程神经网络(procedure neural network, PNN)建立了具有高精确度的多步预测模型。针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相结合的PNN训练方法。根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VDIA的收敛速度。基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化(improved particle swarm optimization, IPSO)算法进行了对比分析。仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型。