CAJ | 학술논문

为了避免BP神经网络在训练过程中收敛于局部极小的缺陷,采用自适应交叉变异、最优保存的混合遗传算法对BP网络的权值和阈值进行优化,从而提出一种新的基于混合遗传算法的神经网络模型.该算法首先对一给定的网络结构,采用混合自适应交叉变异和最优保存策略,取各自的长处,用尽可能少的搜索代数找到问题的最优解,从而既防止算法陷入局部最优,又保证算法有较好的平均适应值和最佳的适应值个体.采用上述优化策略的人工神经网络可明显改善收敛的稳定性和收敛速度,并确保网络收敛于全局极小点.人工神经网络运用于物性数据的预测是一个具有潜力和有待开发的领域.运用该模型,根据有机化合物的分子量、临界密度、正常沸点和偶极矩,对其熔点进行预测.预测结果表明:提出的混合遗传算法神经网络优于其他算法神经网络,而且预测结果优于文献上已有的Joback方程和许氏方程的计算值.
위료피면BP신경망락재훈련과정중수렴우국부겁소적결함,채용자괄응교차변이、최우보존적혼합유전산법대BP망락적권치화역치진행우화,종이제출일충신적기우혼합유전산법적신경망락모형.해산법수선대일급정적망락결구,채용혼합자괄응교차변이화최우보존책략,취각자적장처,용진가능소적수색대수조도문제적최우해,종이기방지산법함입국부최우,우보증산법유교호적평균괄응치화최가적괄응치개체.채용상술우화책략적인공신경망락가명현개선수렴적은정성화수렴속도,병학보망락수렴우전국겁소점.인공신경망락운용우물성수거적예측시일개구유잠력화유대개발적영역.운용해모형,근거유궤화합물적분자량、림계밀도、정상비점화우겁구,대기용점진행예측.예측결과표명:제출적혼합유전산법신경망락우우기타산법신경망락,이차예측결과우우문헌상이유적Joback방정화허씨방정적계산치.