论文部分内容阅读
模糊神经网络参数学习是一个函数优化问题。针对已有优化方法收敛精度不高的缺点,提出基于文化量子粒子群算法的模糊神经网络参数优化,并将其应用于混沌时间序列预测。仿真实例结果证实了该算法的优越性。
基于文化量子粒子群的模糊神经网络参数优化
【摘 要】
：
模糊神经网络参数学习是一个函数优化问题。针对已有优化方法收敛精度不高的缺点,提出基于文化量子粒子群算法的模糊神经网络参数优化,并将其应用于混沌时间序列预测。仿真实
【机 构】
：
江南大学物联网工程学院,山东轻工业学院现代教育技术中心
【出 处】
：
计算机工程与应用
【发表日期】
：
2011年10期
其他文献
当对XML文档进行插入操作时面临调整编码问题，目前提出的很多编码方案不能同时很好地支持XPath查询和XML文档更新。在分析现有编码方案的基础上，提出了基于完全树的编码方案，该
为了将用户的恶意评价和服务提供者发布的虚假数据对Web服务的QoS参数的影响降至最小，确保Web服务的QoS参数的真实性，提出了一种Web服务的QoS参数计算方法，包括基于Sproas信任模