[发明专利]一种混沌粒子群优化小波神经网络的方法

权利要求书

1.一种混沌粒子群优化小波神经网络的方法，其特征在于，包括以下步骤：

S1.将小波变换和神经网络有机结合，搭建小波神经网络；

S2.初始化粒子群，为小波神经网络的参数赋予初始值，并将小波神经网络的输出误差定义为粒子群的适应度函数；

S3.进行迭代处理，每次迭代中，计算每个粒子的局部极值以及所有粒子的全局极值，同时更新粒子的位置向量和速度向量；

S4.当达到最大迭代次数时，退出优化算法。

2.根据权利要求1所述的一种混沌粒子群优化小波神经网络的方法，其特征在于，所述步骤S1中，搭建的小波神经网络包括输入层、小波层、隐含层以及输出层；其中，定义x(k)和K分别为网络输入层的第k个输入值和节点数；Z_j和J分别为网络小波层的第j个输出值和节点数；Y_i和I分别为网络隐含层的第i个输出值和节点数；O_p和P分别为网络输出层的第p个输出值和节点数；W_ji为小波层节点j和隐含层节点i的连接权值；W_ip为隐含层节点i和输出层节点p的连接权值；h为网络小波层采用的母小波函数；a_j和b_j分别为母小波函数的尺度因子和位移因子；σ为网络隐含层和输出层采用的传递函数，则小波神经网络的输出O_p为：

3.根据权利要求2所述的一种混沌粒子群优化小波神经网络的方法，其特征在于，所述步骤S2中，具体包括如下步骤：

S21.设置粒子群的粒子数M，加速常数c₁和c₂，惯性权重系数粒子群的最大迭代次数N₁，混沌的最大迭代次数N₂；

S22.初始化粒子群位置向量，即为小波神经网络的参数赋予初始值：

λ_m(0)＝(w_m1(0),w_m2(0),....,w_mH(0),a_m1(0),a_m2(0),...,a_mJ(0),b_m1(0),b_m2(0),...,b_mJ(0))

式中，λ_m(0)为第m个粒子初始化后位置向量，w_m1(0),w_m1(0),...,w_mH(0)为第m个粒子初始化后的连接权值，包括小波层和隐含层的连接权值与隐含层和输出层的连接权值，即H＝J×I+I×P，a_m1(0),a_m1(0),...,a_mJ(0)为第m个粒子初始化后的尺度因子，b_m1(0),b_m1(0),...,b_mJ(0)为第m个粒子初始化后的位移因子；

S23.初始化粒子群位速度向量：

v_m(0)＝(v_m1(0),v_m2(0),...,v_mH1(0))

式中，H1＝H+J+J。

S24.将小波神经网络的输出误差定义为粒子群的适应度函数:

式中，E为适应度函数，N为网络的训练样本数，O为网络输出，d为目标输出，p为网络输出和目标输出的维数。