改进的小波神经网络模型及应用  

Improved Wavelet Neural Network Model and Its Application

作　　者：于繁华 刘仁云[2] 赵宏伟[1] 臧雪柏[1] 叶欣[1] 

机构地区：[1]吉林大学计算机教学与研究中心 [2]长春师范学院数学学院,长春130032

出　　处：《吉林大学学报（信息科学版）》2005年第5期489-494,共6页Journal of Jilin University（Information Science Edition）

基　　金：国家自然科学基金资助项目(59675059);吉林省科技厅资助项目(20010570)

摘　　要：为改善应用于变参数振动钻削加工过程的仿真和参数优化的小波神经网络的逼近能力和泛化能力,提出一种小波神经网络结构和基于局部学习策略的共轭梯度(LCG:Local Con jugate G rad ient)算法,并利用灰色关联分析法对改进网络模型中的3个输入权值进行选取,对网络权值、小波函数的平移因子和伸缩因子的初始值选取给出了原则。通过实验表明,该模型改善了网络性能和仿真效果。A conjugationg gradient algorithm based on Local learning strategy is presented to improve approximation quality and extensive capability of the WNN （Wavelet Neural Network）, as well as to Improve the parameters optimization and process simulation in the machining of vibration drilling on variation parameters. And then the three input weight-values are selected for the improved net model by taking advantage of the grey relevancy analysis. The selection principle for dilation and translation factors of wavelet function and network weight-value is also given. The experiment shows that the proposal method improves the simulation effect and network performance.

关 键 词：小波神经网络 振动钻削 灰色关联分析 LCG算法 参数优化 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.9[自动化与计算机技术—控制科学与工程]