基于混沌反馈乌燕鸥优化算法的随机配置网络参数优化
为了解决随机配置网络(stochastic configuration network,SCN)隐含层参数的选择与分配会影响其预测精度的问题,提出一种基于混沌反馈乌燕鸥优化算法(chaotic feedback sooty tern optimization algorithm,CFSTOA)的SCN参数优化方法.首先,利用Tent映射、线性因子调节策略、劣势种群反馈原则来改进乌燕鸥优化算法(sooty tern optimization algorithm,STOA),以增强算法的局部搜索能力,得到一种具备更快收敛速度和更高收敛精度的CFSTOA;然后,将CFSTOA用于优化SCN的正则化参数和权重偏差的尺度因子,从而得到最优的隐含层参数;最后,利用10 个基准函数和4 个标准回归数据集分别对CFSTOA的性能进行了测试.结果表明,CFSTOA具有更快的收敛速度且不易陷入局部最优,可以提高SCN算法的预测精度和训练速度.
随机配置网络(stochastic configuration network、SCN)、乌燕鸥优化算法、反馈机制、Tent映射、参数优化、回归预测
49
U461;TP308(汽车工程)
国家自然科学基金;国家自然科学基金;北京市自然科学基金资助项目
2023-07-18（万方平台首次上网日期，不代表论文的发表时间）
共12页
746-757
