摘要:基于径向基函数(Radial Basis Function,RBF)神经网络自身存在的不足与缺陷,设计了一种基于改进粒子群算法优化的RBF神经网络(IPSO-RBF)。通过动态自适应方式对粒子群(Particle Swarm Optimization,PSO)算法中的惯性权重进行更新,以达到优化RBF神经网络惯性权重的目的。最后,在Matlab中用IPSORBF进行诊断,并与RBF、PSO-RBF神经网络进行对比,结果表明,IPSO-RBF神经网络的收敛速度有所提高,诊断精度也提高到90. 8%,其中对短路、开路、阴影的故障识别率较高,而对老化故障的识别率较差只有82. 5%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
教育研究与评论·课堂观察 首都医科大学学报·社科版 教育研究与评论·小学教育教学 雷达与对抗 冶金设备管理与维修 大学物理实验 高校辅导员学刊 产业质量研究 安徽农学通报·下半月刊 集美大学学报·自然科学版 临床普外科电子 遗传与疾病相关文章
改进工作作风心得体会