清华大学学报（自然科学版）
清華大學學報（自然科學版）
청화대학학보（자연과학판）
JOURNAL OF TSINGHUA UNIVERSITY SCIENCE AND TECHNOLOGY
2005年
6期
831-834
,共4页
人工神经网络结构%混合剪枝算法(HAP)%遗传算法(GA)%反向传播算法(BP)%多权重剪枝策略(MW-OBS)
人工神經網絡結構%混閤剪枝算法(HAP)%遺傳算法(GA)%反嚮傳播算法(BP)%多權重剪枝策略(MW-OBS)
인공신경망락결구%혼합전지산법(HAP)%유전산법(GA)%반향전파산법(BP)%다권중전지책략(MW-OBS)
目前人工神经网络(ANN)应用中所遇到的挑战之一就是如何针对特定问题确定相应网络.基于进化算法和局部搜索算法两类策略的特点和不足,文中提出了混合剪枝算法HAP(Hybrid Algorithm of Pruning). 算法首先联合进化算法代表之一遗传算法(GA)和反向传播算法BP的不同优势完成ANN网络结构和权重进化的初步阶段; 然后应用多权重剪枝策略(MW-OBS)进一步简化、确定网络结构.结合案例与以往的混合策略算法进行对比研究,结果表明HAP在寻优能力、简化网络结构、保证稳定性等方面均有明显优势,更加适合大规模ANN的优化问题.
目前人工神經網絡(ANN)應用中所遇到的挑戰之一就是如何針對特定問題確定相應網絡.基于進化算法和跼部搜索算法兩類策略的特點和不足,文中提齣瞭混閤剪枝算法HAP(Hybrid Algorithm of Pruning). 算法首先聯閤進化算法代錶之一遺傳算法(GA)和反嚮傳播算法BP的不同優勢完成ANN網絡結構和權重進化的初步階段; 然後應用多權重剪枝策略(MW-OBS)進一步簡化、確定網絡結構.結閤案例與以往的混閤策略算法進行對比研究,結果錶明HAP在尋優能力、簡化網絡結構、保證穩定性等方麵均有明顯優勢,更加適閤大規模ANN的優化問題.
목전인공신경망락(ANN)응용중소우도적도전지일취시여하침대특정문제학정상응망락.기우진화산법화국부수색산법량류책략적특점화불족,문중제출료혼합전지산법HAP(Hybrid Algorithm of Pruning). 산법수선연합진화산법대표지일유전산법(GA)화반향전파산법BP적불동우세완성ANN망락결구화권중진화적초보계단; 연후응용다권중전지책략(MW-OBS)진일보간화、학정망락결구.결합안례여이왕적혼합책략산법진행대비연구,결과표명HAP재심우능력、간화망락결구、보증은정성등방면균유명현우세,경가괄합대규모ANN적우화문제.
