FFNN优化GHS的电子元件固有参数预测

摘要

针对电子元器件固有参数信号检测评估过程中算法效率和预测精度低下的问题,利用高斯和声搜索方法(GHS)实现对泛函模糊神经网络(FFNN)结构的优化,从而进一步实现电子器件参数的高精度预测。首先,基于泛函网络链接的概念,对模糊神经网络的输出规则进行改进,组合实现了FFNN网络结构,提高了网络预测性能;其次,通过理论分析推导方式,设计了高斯和声搜索机制(GHS),并设计了FFNN网络的GHS编码方式,实现了电子器件参数的GHS-FFNN网络预测;最后,通过实验对比,显示基于GHS-FFNN网络的电子器件参数预测精度更高,算法性能更优。