解放军理工大学学报（自然科学版）
解放軍理工大學學報（自然科學版）
해방군리공대학학보（자연과학판）
JOURNAL OF PLA UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2011年
1期
70-74
,共5页
夏天%王新晴%梁升%党潇正%王建华
夏天%王新晴%樑升%黨瀟正%王建華
하천%왕신청%량승%당소정%왕건화
自适应%遗传算子%粒子群%神经网络%故障%模式识别
自適應%遺傳算子%粒子群%神經網絡%故障%模式識彆
자괄응%유전산자%입자군%신경망락%고장%모식식별
为解决神经网络训练中易出现的收敛速度缓慢、陷入局部极小点等问题,提出了一种新的带自适应遗传算子的粒子群神经网络训练算法,通过概率控制,在利用粒子群算法优化神经网络的同时,自适应地对备选粒子进行选择、交叉、变异等遗传操作,最后将算法应用于汽车发动机故障诊断神经网络模型的训练.试验结果显示,本算法继承了遗传算法全局搜索和粒子群算法收敛速度快的优点,能在较少的训练步数内,达到较高的收敛精度,且样本分类正确率比BP算法、遗传算法、粒子群算法显著提高.
為解決神經網絡訓練中易齣現的收斂速度緩慢、陷入跼部極小點等問題,提齣瞭一種新的帶自適應遺傳算子的粒子群神經網絡訓練算法,通過概率控製,在利用粒子群算法優化神經網絡的同時,自適應地對備選粒子進行選擇、交扠、變異等遺傳操作,最後將算法應用于汽車髮動機故障診斷神經網絡模型的訓練.試驗結果顯示,本算法繼承瞭遺傳算法全跼搜索和粒子群算法收斂速度快的優點,能在較少的訓練步數內,達到較高的收斂精度,且樣本分類正確率比BP算法、遺傳算法、粒子群算法顯著提高.
위해결신경망락훈련중역출현적수렴속도완만、함입국부겁소점등문제,제출료일충신적대자괄응유전산자적입자군신경망락훈련산법,통과개솔공제,재이용입자군산법우화신경망락적동시,자괄응지대비선입자진행선택、교차、변이등유전조작,최후장산법응용우기차발동궤고장진단신경망락모형적훈련.시험결과현시,본산법계승료유전산법전국수색화입자군산법수렴속도쾌적우점,능재교소적훈련보수내,체도교고적수렴정도,차양본분류정학솔비BP산법、유전산법、입자군산법현저제고.
