一种改进的广义回归神经网络及其在动态系统建模中的应用

摘要

广义回归神经网络收敛速度快、计算量小,即使在训练样本稀少的情况下也有较好的泛化能力,因而在系统控制和建模过程中得到广泛应用,但广义回归神经网络在动态系统吵建模时难以确定平滑因子,影响了网络的性能,本文针对此问题,提出了对平滑因子的初始化优化及在运行时有条件地自适应反馈修正模式层的平滑因子的方案.仿真实验表明,本文提出的方案对动态系统的自适应能力较强,性能优于普通的广义回归神经网络.