过程神经网络自提出以来,其基础理论的研究得到较大发展,并在移动通信、太阳黑子预测及民航飞机发动机故障预测等领域取得了显著的实际效果。然而,目前的学习算法过于简化,使得过程神经网络在学习算法上没有充分利用过程或时间的累积效应,缺乏向车辆负载等过程性更强的实际应用推广的有效学习算法。本课题基于对过程神经网络与粒子群算法的深入研究,为寻求过程神经网络的智能学习算法,将过程神经网络与粒子群算法相结合,相互促进,取长补短。通过与粒子群算法的有效融合,解决过程神经网络的带有时间累积算子的复杂学习问题,继而在车辆负载预测领域应用,可以获得更好的应用效果,以实现过程神经网络向实际应用更加有效的推广。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于铁路客流分配的旅客列车开行方案调整方法
新型树启发式搜索算法的机器人路径规划
"多对多"模式下GEO卫星在轨加注任务规划
现代优化理论与应用
基于自适应干扰估测器的协作机器人关节速度波动抑制方法
Spiking神经网络学习算法研究
基于遗传算法的神经网络学习算法研究
间歇聚合反应过程基于神经网络的智能优化与学习控制
复值神经网络及其学习算法研究