用于电磁兼容预测的自适应泛化回归神经网络  

Adaptive generalized regression neural network used for prediction of EMC

作　　者：张煜东[1] 吴乐南[1] 陈书文[1,2] 

机构地区：[1]东南大学信息科学与工程学院,南京210096 [2]江苏省辐射环境保护咨询中心,南京210096

出　　处：《计算机工程与应用》2011年第6期228-230,242,共4页Computer Engineering and Applications

基　　金：国家自然科学基金No.60872075;高等学校科技创新工程重大项目培育资金项目(No.706028);江苏省自然科学基金(No.BK2007103);东南大学优秀博士学位论文基金(No.YBJJ0908)~~

摘　　要：为了更好地对电磁兼容进行预测,提出一种自适应泛化回归神经网络(AGRNN),与传统泛化回归神经网络(GRNN)区别在于:将光滑因子设为最小数据距离的1/2,将偏置设为光滑因子的倒数。对简单一维数据的测试表明,无论数据如何分布,AGRNN的拟合曲线均较GRNN更加接近样本点、且更平滑。以平行线间电磁耦合干扰为具体算例,证明AGRNN对训练数据与测试数据的预测优于改进BP算法,且网络不需要训练。To predict the Electromagnetic Compatibility （EMC） more effectively, an Adaptive Generalized Regression Neural Network（AGRNN） is proposed.It sets the smooth factor as half of the minimum data distance,and sets the bias as the reciprocal of the smooth factor.Test on simple one dimensional data shows the fitting curve of AGRNN is smoother and more adjacent to sample points no matter how data distribute.The specific example on electromagnetic coupling interference between two parallel wires demonstrates the median square error of the prediction by AGRNN is less than that of the improved BP, and the network needs no training.Thus,the proposed algorithm is valid and effective.

关 键 词：电磁兼容预测 泛化回归 神经网络 

分 类 号：TN911.73[电子电信—通信与信息系统]