典型文献
基于改进QPSO算法的双陷波超宽带天线建模
文献摘要：
为了提高超宽带(UWB)天线的建模精度,提出一种基于改进的量子粒子群优化(QPSO)算法优化神经网络的建模方法.在QPSO算法中引入维数搜索策略,优化粒子组成,改善QPSO算法易陷入局部最优和全局收敛速度慢等问题;采用Elman神经网络作为基础神经网络,通过改变Elman神经网络的拓扑结构并引入自反馈增益因子,提高其泛化能力,用改进后的QPSO算法优化神经网络的权值阈值,提高模型的预测精度.将该模型用于一种UWB陷波的天线建模中,对天线的电参数进行仿真建模,实验结果表明:该建模方法平均绝对误差减小98.25％,运行时间减少34.81％,具有更高的预测精度和更快的收敛速度.
文献关键词：
量子粒子群优化算法;Elman神经网络;维数搜索策略;超宽带天线
中图分类号：
作者姓名：
刘文进;许馨水;南敬昌;高明明
作者机构：
辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105
文献出处：
引用格式：
[1]刘文进;许馨水;南敬昌;高明明-.基于改进QPSO算法的双陷波超宽带天线建模)[J].传感器与微系统,2022(10):13-17
A类：
维数搜索策略
B类：
QPSO,陷波,超宽带天线,高超,UWB,建模精度,算法优化,优化神经网络,子组,局部最优,全局收敛,收敛速度,速度慢,Elman,基础神经网络,拓扑结构,自反馈,反馈增益,增益因子,泛化能力,权值阈值,电参数,仿真建模,平均绝对误差,运行时间,量子粒子群优化算法
AB值：
0.285372
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
