吉林大学学报(工学版)
吉林大學學報(工學版)
길림대학학보(공학판)
JOURNAL OF JILIN UNIERSITY(ENGINEERING AND TECHNOLOGY EDITION)
2008年
5期
1141-1145
,共5页
于广滨%李瑰贤%金向阳%白彦伟
于廣濱%李瑰賢%金嚮暘%白彥偉
우엄빈%리괴현%금향양%백언위
人工智能%动态过程神经网络%粒子群算法%模式分类
人工智能%動態過程神經網絡%粒子群算法%模式分類
인공지능%동태과정신경망락%입자군산법%모식분류
为克服前向过程神经网络收敛速度慢、精度低的问题,本文提出了一种基于改进的粒子群动态过程神经网络(IDPNN).对于给定的全连接的过程神经网络,通过IPSO优化其连接权值和网络结构删除冗余连接使之成为部分连接的过程神经网络系统,从而降低了计算成本.将经过IPSO训练的动态过程神经网络应用于Iris模式分类问题,结果表明,改进的粒子群动态过程神经网络具有较高的收敛速度和精确性.
為剋服前嚮過程神經網絡收斂速度慢、精度低的問題,本文提齣瞭一種基于改進的粒子群動態過程神經網絡(IDPNN).對于給定的全連接的過程神經網絡,通過IPSO優化其連接權值和網絡結構刪除冗餘連接使之成為部分連接的過程神經網絡繫統,從而降低瞭計算成本.將經過IPSO訓練的動態過程神經網絡應用于Iris模式分類問題,結果錶明,改進的粒子群動態過程神經網絡具有較高的收斂速度和精確性.
위극복전향과정신경망락수렴속도만、정도저적문제,본문제출료일충기우개진적입자군동태과정신경망락(IDPNN).대우급정적전련접적과정신경망락,통과IPSO우화기련접권치화망락결구산제용여련접사지성위부분련접적과정신경망락계통,종이강저료계산성본.장경과IPSO훈련적동태과정신경망락응용우Iris모식분류문제,결과표명,개진적입자군동태과정신경망락구유교고적수렴속도화정학성.
