计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2006年
13期
2345-2347,2380
,共4页
遗传算法%伪并行遗传算法%神经网络%结构优化%遗传优化
遺傳算法%偽併行遺傳算法%神經網絡%結構優化%遺傳優化
유전산법%위병행유전산법%신경망락%결구우화%유전우화
在分析并行多物种遗传算法应用于神经网络拓扑结构的设计和学习之后,提出一种伪并行遗传(PPGA-MBP)混合算法,结合改进的BP算法对多层前馈神经网络的拓扑结构进行优化.算法编码采用基于实数的层次混合方式,允许两个不同结构的网络个体交叉生成有效子个体.利用该算法对N-Parity问题进行了实验仿真,并对算法中评价函数各部分系数和种群规模对算法的影响进行了分析.实验证明取得了明显的优化效果,提高了神经网络的自适应能力和泛化能力,具有全局快速收敛的性能.
在分析併行多物種遺傳算法應用于神經網絡拓撲結構的設計和學習之後,提齣一種偽併行遺傳(PPGA-MBP)混閤算法,結閤改進的BP算法對多層前饋神經網絡的拓撲結構進行優化.算法編碼採用基于實數的層次混閤方式,允許兩箇不同結構的網絡箇體交扠生成有效子箇體.利用該算法對N-Parity問題進行瞭實驗倣真,併對算法中評價函數各部分繫數和種群規模對算法的影響進行瞭分析.實驗證明取得瞭明顯的優化效果,提高瞭神經網絡的自適應能力和汎化能力,具有全跼快速收斂的性能.
재분석병행다물충유전산법응용우신경망락탁복결구적설계화학습지후,제출일충위병행유전(PPGA-MBP)혼합산법,결합개진적BP산법대다층전궤신경망락적탁복결구진행우화.산법편마채용기우실수적층차혼합방식,윤허량개불동결구적망락개체교차생성유효자개체.이용해산법대N-Parity문제진행료실험방진,병대산법중평개함수각부분계수화충군규모대산법적영향진행료분석.실험증명취득료명현적우화효과,제고료신경망락적자괄응능력화범화능력,구유전국쾌속수렴적성능.