用于电磁兼容预测的自适应泛化回归神经网络

摘要

为了更好地对电磁兼容进行预测,提出一种自适应泛化回归神经网络(AGRNN),与传统泛化回归神经网络(GRNN)区别在于:将光滑因子设为最小数据距离的1/2,将偏置设为光滑因子的倒数.对简单一维数据的测试表明,无论数据如何分布,AGRNN的拟合曲线均较GRNN更加接近样本点、且更平滑.以平行线间电磁耦合干扰为具体算例,证明AGRNN对训练数据与测试数据的预测优于改进BP算法,且网络不需要训练.