论文研究用于电磁兼容预测的自适应泛化回归神经网络.pdf

为了更好地对电磁兼容进行预测，提出一种自适应泛化回归神经网络（AGRNN），与传统泛化回归神经网络（GRNN）区别在于：将光滑因子设为最小数据距离的1/2，将偏置设为光滑因子的倒数。对简单一维数据的测试表明，无论数据如何分布，AGRNN的拟合曲线均较GRNN更加接近样本点、且更平滑。以平行线间电磁耦合干扰为具体算例，证明AGRNN对训练数据与测试数据的预测优于改进BP算法，且网络不需要训练。