计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2007年
17期
4205-4206,4232
,共3页
反向传播算法%粒子群优化%神经网络%传输函数%早熟收敛
反嚮傳播算法%粒子群優化%神經網絡%傳輸函數%早熟收斂
반향전파산법%입자군우화%신경망락%전수함수%조숙수렴
在BP训练算法中,关于变权值、学习速率、步长的问题已被广泛地研究,几种基于启发式改进的技术也表明具有改善训练时间以及避免陷入局部最小的明显效果.这里BP训练过程由基于PSO同时优化log-Sigmoid函数与网络权值的新算法(PSO-GainBP)实现.实验结果表明,PSO-GainBP比传统基于PSO的BP算法在网络训练方面具有更好的性能.
在BP訓練算法中,關于變權值、學習速率、步長的問題已被廣汎地研究,幾種基于啟髮式改進的技術也錶明具有改善訓練時間以及避免陷入跼部最小的明顯效果.這裏BP訓練過程由基于PSO同時優化log-Sigmoid函數與網絡權值的新算法(PSO-GainBP)實現.實驗結果錶明,PSO-GainBP比傳統基于PSO的BP算法在網絡訓練方麵具有更好的性能.
재BP훈련산법중,관우변권치、학습속솔、보장적문제이피엄범지연구,궤충기우계발식개진적기술야표명구유개선훈련시간이급피면함입국부최소적명현효과.저리BP훈련과정유기우PSO동시우화log-Sigmoid함수여망락권치적신산법(PSO-GainBP)실현.실험결과표명,PSO-GainBP비전통기우PSO적BP산법재망락훈련방면구유경호적성능.
