软件导刊
軟件導刊
연건도간
SOFT WARE GUIDE
2011年
6期
28-30
,共3页
前馈神经网络%权值训练%连续域蚁群优化模型
前饋神經網絡%權值訓練%連續域蟻群優化模型
전궤신경망락%권치훈련%련속역의군우화모형
提出了一种用离散模型逼近连续模型进而求解连续域上的优化问题的蚁群优化算法Binary-ACO,并将Bi-nary-ACO与经典BP训练算法进行混合(LMBP和SDBP)应用于多层感知机的训练问题中,并在3个测试数据集上进行对比实验.实验结果证明单一蚁群优化算法作为一种通用的优化算法在前馈神经网络训练问题中的性能无法与经典的BP算法相比较,但是蚁群优化算法和BP经典训练算法结合的混合算法表现性能优良.两种混合算法(Binary-ACO-sdbp和Binary ACO-lmbp)都获得了相当良好的解,特别是Binary ACO-lmbp这种算法不仅比单一的蚁群优化算法的性能上有相当的提高而且也优于经典的BP算法.
提齣瞭一種用離散模型逼近連續模型進而求解連續域上的優化問題的蟻群優化算法Binary-ACO,併將Bi-nary-ACO與經典BP訓練算法進行混閤(LMBP和SDBP)應用于多層感知機的訓練問題中,併在3箇測試數據集上進行對比實驗.實驗結果證明單一蟻群優化算法作為一種通用的優化算法在前饋神經網絡訓練問題中的性能無法與經典的BP算法相比較,但是蟻群優化算法和BP經典訓練算法結閤的混閤算法錶現性能優良.兩種混閤算法(Binary-ACO-sdbp和Binary ACO-lmbp)都穫得瞭相噹良好的解,特彆是Binary ACO-lmbp這種算法不僅比單一的蟻群優化算法的性能上有相噹的提高而且也優于經典的BP算法.
제출료일충용리산모형핍근련속모형진이구해련속역상적우화문제적의군우화산법Binary-ACO,병장Bi-nary-ACO여경전BP훈련산법진행혼합(LMBP화SDBP)응용우다층감지궤적훈련문제중,병재3개측시수거집상진행대비실험.실험결과증명단일의군우화산법작위일충통용적우화산법재전궤신경망락훈련문제중적성능무법여경전적BP산법상비교,단시의군우화산법화BP경전훈련산법결합적혼합산법표현성능우량.량충혼합산법(Binary-ACO-sdbp화Binary ACO-lmbp)도획득료상당량호적해,특별시Binary ACO-lmbp저충산법불부비단일적의군우화산법적성능상유상당적제고이차야우우경전적BP산법.
