首页 > 论文 > 激光与光电子学进展 > 57卷 > 01期(pp:012001)

改进蚁群算法的BRBP神经网络功放逆向建模方法

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对BP神经网络直接逆向模型精度低、耗时长、易震荡等缺点,提出一种联合改进蚁群算法(Improved Ant Colony Optimization,IACO)与贝叶斯正则化算法(Bayesian Regularization,BR)的BP神经网络逆向建模方法。此方法通过改进蚁群算法,即根据搜索阶段设置挥发因子、路径优劣程度更新信息素并在启发式因子中考虑出发点、终点与各节点的间距等,优化正向模型的权值,提高整体模型精度。之后使用L1/2范数的贝叶斯正则化算法逆向迭代正向模型的输入——结构参量,达到提高网络稳定性的目的。应用于可重构功率放大器中,实验结果表明,相比于直接逆向建模方法和自适应 逆向建模方法,该方法的建模精度分别提高99.77%、90.70%,平均运行时间分别减少35.76%、2.05%,可降低功放设计的复杂度,提高其设计速度。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.012001

作者单位:

    辽宁工程技术大学
    辽宁工程技术大学
    辽宁工程技术大学

引用该论文

南敬昌,臧净,高明. 改进蚁群算法的BRBP神经网络功放逆向建模方法[J].激光与光电子学进展,2020,57(01):012001.