摘要:为提高BP神经网络的收敛速度并避免陷入局部极小,提出了一种多参数可调激活函数的人工神经网络,推导出相应的BP学习算法并将改进的BP算法和混沌优化算法相结合,使混合算法的学习向全局最优方向进行以不至于陷入局部极小.在非线性函数仿真和短期负荷预测的研究中,该算法和传统BP算法的对比试验显示,改进算法的收敛速度更快、预测精度更高.
关键词:神经网络 激励函数 短期负荷预测 混沌
单位:重庆大学高电压与电工新技术教育部重点实验室; 重庆; 400044; 重庆大学高电压与电工新技术教育部重点实验室; 重庆; 400044; 贵州电网公司贵阳市南供电局; 贵阳; 550002
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社