Print

在线自适应神经网络算法及参数鲁棒性分析

论文摘要

为了提高传统BP神经网络在线预测精度和计算效率,提出一种在线自适应神经网络算法。该算法在传统BP网络的输入层和隐含层之间增加一个反馈层,通过存储内部状态增强网络动态映射能力,以提高算法自适应性;同时,在学习阶段采用递推形式在线训练算法权值和阈值,以提高算法计算精度和计算效率。基于两组防屈曲支撑构件拟静力试验数据,在线预测防屈曲支撑恢复力。研究表明:与传统神经网络算法相比,在线自适应网络算法具有更好的在线预测精度和计算效率;通过对网络结构中的输入变量、输入和观测样本、隐含层激活函数等算法参数进行鲁棒性分析,找到算法参数对算法性能的影响规律,给出算法应用时参数选择的建议。

论文目录

  • 1 在线自适应神经网络算法
  •   （1） 训练样本的选取方法
  •   （2） 权值与阈值更新方式
  •   （3） 增加反馈层
  • 2 算法试验验证
  • 3 在线自适应神经网络算法鲁棒性分析
  •   3.1 输入变量的选择
  •   3.2 训练样本数量的选择
  •   3.3 隐含层激活函数的选择
  • 4 结 论

    • 文章来源

    类型: 期刊论文

    作者: 王涛,翟绪恒,孟丽岩

    关键词: 在线预测,神经网络算法,恢复力模型,鲁棒性分析,防屈曲支撑

    来源: 振动与冲击 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 建筑科学与工程,自动化技术

    单位: 中国地震局工程力学研究所中国地震局地震工程与工程振动重点实验室,黑龙江科技大学建筑工程学院,同济大学土木工程防灾国家重点实验室

    基金: 黑龙江省省属高等学校基本科研业务费科研项目(2017),黑龙江科技大学青年才俊培养计划(2017),国家自然科学基金(51408157),黑龙江省青年科学基金(QC2013C055)

    分类号: TU352.11;TP183

    DOI: 10.13465/j.cnki.jvs.2019.08.032

    页码: 210-217

    总页数: 8

    文件大小: 2826K

    下载量: 231

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/d45b4847a06f9e2885451431.html