用于解决非线性受电弓系统的启发式神经网络计算

2017年第18卷第4期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2017年第18卷第4期 doi: 10.1631/FITEE.1500393

用于解决非线性受电弓系统的启发式神经网络计算

. Department of Electrical Engineering, COMSATs Institute of Information Technology, Attock 43200, Pakistan.. Department of Mathematics, University of Gujrat, Gujrat 50700, Pakistan.. Department of Mathematics, Preston University, Islamabad Campus, Kohat, Islamabad 44000, Pakistan.. Department of Mathematical Sciences, United Arab Emirates University, Al-Ain Box 15551, UAE.. Department of Mathematics, Saint Xavier University, Chicago, IL 60655, USA

发布日期： 2017-05-12

HTML23 PDF 2 收藏 0

摘要

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。

关键词

神经网络 ; 初值问题（IVP） ; 函微分方程（FDE） ; 无监督学习 ; 遗传算法（GAs） ; 内点技术（IPT）