摘要
模糊神经网络参数学习是一个函数优化问题。针对已有优化方法收敛精度不高的缺点,提出基于文化量子粒子群算法的模糊神经网络参数优化,并将其应用于混沌时间序列预测。仿真实例结果证实了该算法的优越性。
The parameter optimization of Fuzzy Neural Network（FNN） is function optimization.According to the low convergence precision of the existed algorithms,a hybrid Cultural Quantum-behaved Particle Swarm Optimization（C-QPSO） is introduced to train the parameter optimization of FNN.The results of experiment show the proposed technique is effective.
出处
《计算机工程与应用》
CSCD
北大核心
2011年第10期17-19,22,共4页
Computer Engineering and Applications
基金
国家自然科学基金No.60703106
No.60474030~~
关键词
模糊神经网络
参数优化
量子粒子群算法
文化算法
混沌时间序列
Fuzzy Neural Network（FNN）
parameter optimization
Quantum-behaved Particle Swarm Optimization（QPSO）
Cultural Algorithm（CA）
chaotic time series
