基于遗传小波神经网络的冷轧轧制力预报研究

依据小波函数的非线性逼近能力和神经网络的自学习特性, 提出一种适合高维输入的小波神经网络建模方 法, 这种网络结构类似于多层感知器, 不同的是隐层神经元的激励函数为小波基函数. 为使小波神经网络具有更高的 学习精度和更快的收敛速度, 将遗传算法、小波神经网络和梯度下降算子结合起来, 提出一种遗传小波神经网络. 将 该网络应用于冷轧轧制力的预报, 仿真结果表明预报精度大为提高.