原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第卷第期电子与信息学报年月云过程神经网络模型及算法研究王兵李盼池杨冬黎于晓红东北石油大学计算机与信息技术学院大庆大庆油田公司勘探开发研究院大庆摘要该文针对输入输出具有不确定性特征并与时间或过程有关的复杂非线性系统建模和求解问题利用过程神经网络对时变信号的动态处理能力结合云模型对定性定量概念的转化能力构建了一种具有不确定性信息处理能力的云过程神经网络模型并采用猫群优化算法同时对网络结构和参数进行并行优化设计提高了网络逼近及泛化能力实现了神经网络在时间域和不确定信息处理领域上的有效扩展仿真实验结果验
第 37 卷第 1 期 电 子 与 信 息 学 报 Vol.37 No.1
2015 年 1 月 Journal of Electronics Information Technology Jan. 2015
云过程神经网络模型及算法研究
王 兵*① 李盼池① 杨冬黎① 于晓红②
①(东北石油大学计算机与信息技术学院 大庆 163318)
②(大庆油田公司勘探开发研究院 大庆 163712)
摘 要：该文针对输入输出具有不确定性特征并与时间或过程有关的复杂非线性系统建模和求解问题，利用过程神
经网络对时变信号的动态处理能力，结合云模型对定性定量概念的转化能力，构建了一种具有不确定性信息处理能
力的云过程神经网络模型，并采用猫群优化算法同时对网络结构和参数进行并行优化设计，提高了网络逼近及泛化
能力，实现了神经网络在时间域和不确定信息处理领域上的有效扩展。仿真实验结果验证了模型和算法的可行性和
有效性。
关键词：云模型；云过程神经网络；猫群优化；时间序列预测
中图分类号： TP183 文献标识码： A 文章编号：1009-5896(2015)01-0110-06
DOI: 10.11999/JEIT140329
Research on Cloud Process Neural Network Model and Algorithm
① ① ① ②
Wang Bing Li Pan-chi Yang Dong-li Yu Xiao-hong
①
(School of Computer Information Technology, Northeast Petroleum University, Daqing 163318, China)
②
(Exploration and Development Research Institute, Daqing Oilfield Company, Daqing 163712, China)
Abstract: For modeling and solving problems of complex nonlinear systems whose input/output have uncertainty
and are associated with time or process, a cloud process neural network model is built in the paper. It has
uncertainty information processing ability by combining process neural network’s processing ability for
time-varying signal with cloud model transformation ability between qualitative and quantitative concepts. In
addition, the cat swarm optimization algorithm is used to optimize the network structure and parameters
simultaneously, and it helps to improve network approximation and generalization performance. The effective
extension of neural networks
文档评论（0）