|
用于解决非线性受电弓系统的启发式神经网络计算
RAJA Muhammad Asif Zahoor, AHMAD Iftikhar, KHAN Imtiaz, SYAM Muhammed Ibrahem, WAZWAZ Abdul Majid
Frontiers of Information Technology & Electronic Engineering. 2017, 18 (4): 464-484.
https://doi.org/10.1631/FITEE.1500393
本文提出了一种启发式神经网络计算平台,用于解决基于不同阶数泛函微分方程的非线性受电弓系统(Pantograph systems based on functional differential equations, P-FDEs)中的初值问题(Initial value problems, IVPs)。该方案利用了前馈人工神经网络(Artificial neural networks, ANNs)、基于遗传算法(Genetic algorithms, GAs)的进化计算技术,以及内点技术(Interior-point technique, IPT)。通过设定一个无监督学习误差,针对完全和不完全满足初始条件两种情况,利用ANNs创建了系统的两种数学模型。采用GA–IPT混合算法,对ANN模型的设计参数进行了优化。在GA–IPT中,GA是有效的全局搜索工具,IPT则用于快速的局部收敛。针对三种不同类型的1–3阶P-FDEs的IVPs对该方案进行了测试。通过对比现有的精确解,确认了该方案的正确性。通过采用不同数量神经元的ANN模型进行了大量的数值实验,进一步验证了该方案的准确性和收敛性。
参考文献 |
补充材料 |
相关文章 |
多维度评价
|
11篇文章
|