小波神经网络模型的改进方法

？为了改善小波神经网络(wnn)在处理复杂非线性问题的性能，针对量子粒子群优化(qpso)算法易早熟、后期多样性差、搜索精度不高的缺点，提出一种同时引入加权系数、引入cauchy随机数、改进收缩扩张系数和引入自然选择的改进量子粒子群优化算法，将其代替梯度下降法，训练小波基系数和网络权值，再将优化后的参数组合输入小波神经网络，以实现算法的耦合。通过对3个uci标准数据集的仿真实验表明，与wnn、pso-wnn、qpso-wnn算法相比，改进的量子粒子群小波神经网络(mqpso-wnn)算法的运行时间减少了11%~43%，而计算相对误差较之降低了8%~57%。因此，改进的量子粒子群小波神经网络模型能够更迅速、更精确地逼近最优值。