计算机与现代化
計算機與現代化
계산궤여현대화
COMPUTER AND MODERNIZATION
2011年
6期
91-94
,共4页
数值优化%遗传模拟退火算法%BP神经网络%权值%泛化性
數值優化%遺傳模擬退火算法%BP神經網絡%權值%汎化性
수치우화%유전모의퇴화산법%BP신경망락%권치%범화성
在研究标准BP神经网络的基础上,针对其存在的收敛速度慢、且容易陷入局部极小值等问题进行分析,设计实现一种采用数值优化的方法来改进BP网络性能的新的混合神经网络模型.通过引入遗传模拟退火算法扩大了网络的权值更新空间,把得到最优权值赋予BP神经网络,从而使优化后的神经网络具有泛化性好,不易陷入局部极小值等优点.与标准BP神经网络进行比较,仿真结果表明,该网络模型能够达到比较高的分类精度.
在研究標準BP神經網絡的基礎上,針對其存在的收斂速度慢、且容易陷入跼部極小值等問題進行分析,設計實現一種採用數值優化的方法來改進BP網絡性能的新的混閤神經網絡模型.通過引入遺傳模擬退火算法擴大瞭網絡的權值更新空間,把得到最優權值賦予BP神經網絡,從而使優化後的神經網絡具有汎化性好,不易陷入跼部極小值等優點.與標準BP神經網絡進行比較,倣真結果錶明,該網絡模型能夠達到比較高的分類精度.
재연구표준BP신경망락적기출상,침대기존재적수렴속도만、차용역함입국부겁소치등문제진행분석,설계실현일충채용수치우화적방법래개진BP망락성능적신적혼합신경망락모형.통과인입유전모의퇴화산법확대료망락적권치경신공간,파득도최우권치부여BP신경망락,종이사우화후적신경망락구유범화성호,불역함입국부겁소치등우점.여표준BP신경망락진행비교,방진결과표명,해망락모형능구체도비교고적분류정도.
