-
题名基于分数阶滤波器的高泛化性神经网络建模
被引量:2
- 1
-
-
作者
刘加存
苑增福
梅其祥
-
机构
广东海洋大学电子与信息工程学院
内蒙古根河林业局
广东海洋大学数学与计算机学院
-
出处
《测控技术》
CSCD
2017年第12期57-62,共6页
-
基金
国家自然科学基金资助项目(61272534)
-
文摘
为了显著提高神经网络建模的泛化性,提出了激活函数是分数阶滤波器的神经网络。分数阶滤波器涵盖了Butterworth和Chebyshev滤波器的性能。滤波器集对样本信号进行频率分解,既提升了信息的致密性,也保证了遍历性,更有助于提高神经网络的泛化性。各滤波器参数由盲动粒子群优化算法寻优。神经网络解算时,既采用了线性回归求解神经网络输出层权重,又在有限频段上用线性传递函数模拟替代分数阶传递函数,这两种措施缩短了解算时间。仿真结果表明,线性系统的泛化性精度可达亿分之几,非线性系统可达万分之几,可以离线应用。
-
关键词
神经网络
建模
泛化性
分数阶滤波器
盲动粒子群
-
Keywords
neural network
modeling
generalization
fractional order filter
blindfold particle swarm
-
分类号
TP15
[自动化与计算机技术—控制理论与控制工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-