这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传统BP算法收敛速度慢及对网络初始值敏感的问题.同时,针对标准PSO算法易出现早熟收敛,局部寻优能力弱等缺点,提出了相应改进策略,进一步提高了PSO优化BP神经网络的能力.实验结果表明:与传统BP模型和标准PSO-BP模型相比,基于改进的PSO-BP算法的热舒适度...
实验结果表明:与传统BP模型和标准PSO—BP模型相比,基于改进的PSO-BP算法的热舒适度预测模型具有更高的预测精度和更快的收敛速度。关键词:热舒适度;预测;反向传播神经网络;粒子群优化算法;模型中图分类号:TP183文献标志码:AThermalcomfortpredictionmodelbasedonimprovedparticleswarmoptimization-backpropagationneuralnetwork...
为改进传统网络的收敛速度慢、陷入局部最优的缺陷,本发明从学习规则、连接权值出发,使用PSO对反向传播神经网络进行优化,将神经网络的权值和偏置映射为粒子,并选择反向传播预测模型的均方误差作为适应度函数。数值模拟结果显示,通过PSO优化的反向传播经网络预测模型的预测精度可以得到进一步提高,说明将反向传播算法应用于BP...
PSO算法耦合模型为了解决单一故障特征集难以诊断多类故障的问题,本文提出了基于平行粒子群优化-反向传播神经网络(PSO-BPNN)模型的故障诊断方法.采用相关性分析找到了与每一类故障相关度较高同时受工况影响较小的特征量,设计了多个平行的反向传播神经网络(BPNN)故障诊断器,并采用粒子群优化(PSO)算法优化了BP神经网络的...
为改进传统网络的收敛速度慢,陷入局部最优的缺陷,本发明从学习规则,连接权值出发,使用PSO对反向传播神经网络进行优化,将神经网络的权值和偏置映射为粒子,并选择反向传播预测模型的均方误差作为适应度函数.数值模拟结果显示,通过PSO优化的反向传播经网络预测模型的预测精度可以得到进一步提高,说明将反向传播算法应用于BP神经...
建立深度置信网络和利用自适应惯性权重优化后的自适应惯性权重优化的粒子群算法(APSO)去优化误差反向传播神经网络(BP)神经网络——APSO-BP的组合预测模型,用深度置信网络(DBN)模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值.通过实验证明了该...