为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。
2021-10-15 10:56:42
426KB
1
单变量非线性函数在平衡点附近线性化方法
设函数 在 点连续可微，则将它在该点附近用泰勒级数展开，得
当增量 很小时，略去级数中含有其高次幂的项，并将上式各边均减去 ，即 ，得
2021-09-17 05:47:11
2.05MB
1