应用径向基神经网络求解第二类线性Fredholm积分方程.pdfVIP

东 北 电 力 大 学 学 报 第29卷第2期 J0urnalOfNortheastDiaIIliUIIiVersity V0j．29．No．2 20o9年4月 NaturalScienceEditiOn Apr．．20o9 文章编号：l0o5—2992(2O09)02—0o32一O3 应用径 向基神经网络求解第二类 线性 FredhoIm积分方程 郭新辰，陈书坤，吴 希 (东北电力大学 理学院，吉林 吉林 l32ol2) 摘 要：提出用径向基神经网络求解第二类FDedholIn方程的方法。首先使用径向基神经网络逼近 积分方程中的未知函数 ，然后将求解第二类积分方程转化为一个优化问题。粒子群优化算法具有不易 陷人局部极小、易实现和调整参数较少的优点，从而利用粒子群优化算法的求解该优化问题。数值实验 表明所提方法是可行的。 关 键 词：F潮ih0lm积分方程；径向基神经网路；粒子群优化算法 中图分类号：TPl83 文献标识码 ：A O 引 言 积分方程是描述研究对象物理规律的数学形式，许多科学和工程问题的数学模型都可归结为积分 方程。本文主要考虑第二类线性Fredholm积分方程，其一般形式为 )=AJ j|}(，￡) ￡)df+g()，口s s6， (1) J n 方程中J}(，t)和g()为已知函数 ·)为未知函数。许多学者进行了积分方程的研究，提出了各 种数值算法¨ J。 径向基神经网络结构简单，学习收敛速度快，能够逼近任意非线性函数等优点，从而被广泛应用于 时间序列分析、模式识别等诸多领域 】。粒子群优化算法 是由Kennedy和Eberhan等开发的一种演 化计算技术，来源于对一个简化社会模型的模拟。粒子群优化算法具有不易陷入局部极小、易实现和调 整参数较少的优点，从而用于求解非线性、不可微和多模态问题等。 本文根据径向基神经网络能够逼近任意非线性函数的特性，采用径向基神经网路逼近积 分方程中的未知函数，然后将求解第二类积分方程转化为一个优化问题，最后利用粒子群优化算法 的求解该优化问题。 1 基于神经网络的Fredh0lm积分方程求解 将积分方程 (1)改写为算子的形式 (、l一 K、)f：g (2) 收稿 日期：20o9一O3一l5 基金项 目：吉林省科技发展计划项 目(20o8Ol72)资助。 作者简介：郭新辰(197l一)。男，东北电力大学理学院，副教授，博士，主要从事计算智能，神经网络等方面的研究 第2期 郭新辰等：应用径向基神经网络求解第二类线性Fredh。ln积分方程 33 其中，为恒等算子，( ()=l后(，f 1)d￡。 将积分区间[n，6]插入节点口= 。 … =6，然后将节点分别代人方程(1)，可得如下方 程组 ((，一A，c —g)(g)()=O ：l，2，…，凡 (3) 人工神经网络是由是由大量的人工神经元相互连接而成的网络，能够反映人脑的功能的基本特性。 径向基神经网络属于前馈神经网络，能够实现任意非线性函数逼近和模式识别，因此方程(1)中的未知 函数采用径向基神经网络逼近 ) )=∑ i()，