计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2008年
11期
178-180,194
,共4页
预测%BP神经网络%遗传算法%实数编码
預測%BP神經網絡%遺傳算法%實數編碼
예측%BP신경망락%유전산법%실수편마
将遗传算法与神经网络相结合,提出一种实数编码、自适应选择、算术交叉、高斯变异、爬山操作的改进遗传BP神经网络RCGNN,利用遗传算法对神经网络权值和阈值进行优化.以时间序列预测的实例进行编程计算表明,用遗传算法进行网络训练,其收敛速度快,最终总误差最小,预测准确率高.对算法中参数进行的相应研究表明,增加爬山操作次数能很好地提高网络训练的速度,同时使误差下降快;爬山操作越多,收敛速度越快,最终误差越小,但计算运行时间也会增加.
將遺傳算法與神經網絡相結閤,提齣一種實數編碼、自適應選擇、算術交扠、高斯變異、爬山操作的改進遺傳BP神經網絡RCGNN,利用遺傳算法對神經網絡權值和閾值進行優化.以時間序列預測的實例進行編程計算錶明,用遺傳算法進行網絡訓練,其收斂速度快,最終總誤差最小,預測準確率高.對算法中參數進行的相應研究錶明,增加爬山操作次數能很好地提高網絡訓練的速度,同時使誤差下降快;爬山操作越多,收斂速度越快,最終誤差越小,但計算運行時間也會增加.
장유전산법여신경망락상결합,제출일충실수편마、자괄응선택、산술교차、고사변이、파산조작적개진유전BP신경망락RCGNN,이용유전산법대신경망락권치화역치진행우화.이시간서렬예측적실례진행편정계산표명,용유전산법진행망락훈련,기수렴속도쾌,최종총오차최소,예측준학솔고.대산법중삼수진행적상응연구표명,증가파산조작차수능흔호지제고망락훈련적속도,동시사오차하강쾌;파산조작월다,수렴속도월쾌,최종오차월소,단계산운행시간야회증가.
