《表2 优化结果对比：运用PSO算法的自递归RBF网络建模与应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《运用PSO算法的自递归RBF网络建模与应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最大递归次数为500，采用点的数量为40。在PSO算法中粒子的个数为100，每个粒子的取值范围为[0，1]，C1=2，C2=2，ξ=0.8，η=0.3，自递归RBF网络（SR-RBF）的径向基自网络参数设置:对参数w4的学习率为0.4，对w3的学习率为0.02，对b'j的学习率为0.3，对bias的学习率为0.02。普通的IH-RBF网络的参数设置:所有参数的学习率为0.2，动量因子为0.6。普通的IHO-RBF网络的参数设置:对所有参数的学习率为0.01，动量因子为0.6。三种网络模型进行20次仿真实验后的结果对比，如表2所示。