改进混沌粒子群的动态模糊神经网络参数优化及应用

作者： 匡芳君 [1] ; 张思扬 [2] ; 徐蔚鸿 [3]

摘要： 动态模糊神经网络(DFNN)的性能和学习的稳定性取决于其预设参数的选择,针对DFNN多参数优化问题,提出了改进混沌粒子群优化算法,并将其应用于DFNN神经网络预设参数寻优,以获取最佳参数组合.实验结果表明,该方法能够快速有效地提取DFNN的最优参数组合,具有精度高、收敛快、迭代次数少等特点;利用改进混沌粒子群的动态模糊神经网络构建煤与瓦斯突出预测模型,具有良好的建模效果和更高的预测精度.

关键字： 动态模糊神经网络 混沌粒子群优化 早熟处理机制 参数优化 煤与瓦斯突出

---

上一篇：分支预测与值预测在VLIW处理器中的实现
下一篇：基于三点的时间序列关键点研究