提出了一种基于改进的粒子群算法（PSO）的BP神经网络（BPNN）连接权重和网络结构优化方法。 对于每种网络结构，该算法都会生成一系列由连接权重和阈值组成的粒子，并根据改进的PSO算法选择最佳的网络结构。 由于PSO算法易于陷入局部最优，因此该算法引入了交叉算子和变异算子以提高跳过局部最优的能力。 结果表明，与基本的BP算法相比，改进后的PSO-BP算法具有更好的性能，并将该BPNN模型应用于成矿预测，并给出了详细的步骤。
2022-05-11 15:50:56
757KB
1
D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。
2022-05-11 01:26:47
1.26MB
1
基于加权零吸引因子最小均方算法(RZA-LMS),提出了一种应用于系统辨识的新型自适应滤波算法(ARZA-LMS)。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e 与误差信号e 之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验
2022-05-10 22:37:39
1.37MB
1