计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
1期
120-123,133
,共5页
前馈神经网络%BP网络%粒子群优化%混沌映射
前饋神經網絡%BP網絡%粒子群優化%混沌映射
전궤신경망락%BP망락%입자군우화%혼돈영사
feedforward neural networks%back-propagation neural networks%particle swarm optimization%chaos map
为了解决前馈神经网络训练收敛速度慢、易陷入局部板值及对初始权值依赖性强等缺点,提出了一种基于反传的无限折叠迭代混沌粒子群优化(ICMICPSO)算法训练前馈神经网络(FNNs)参数.该方法在充分利用BP算法的误差反传信息和梯度信息的基础上,引入了ICMIC混沌粒子群的概念,将ICMIC粒子群(ICMICPS)作为全局搜索器,梯度下降信息作为局部搜索器来调整网络的权值和阈值,使得粒子能够在全局寻优的基础上对整个空间进行搜索.通过仿真实验与多种算法进行对比,结果表明在训练和泛化能力上ICMICPSO-BPNN方法明显优于其他算法.
為瞭解決前饋神經網絡訓練收斂速度慢、易陷入跼部闆值及對初始權值依賴性彊等缺點,提齣瞭一種基于反傳的無限摺疊迭代混沌粒子群優化(ICMICPSO)算法訓練前饋神經網絡(FNNs)參數.該方法在充分利用BP算法的誤差反傳信息和梯度信息的基礎上,引入瞭ICMIC混沌粒子群的概唸,將ICMIC粒子群(ICMICPS)作為全跼搜索器,梯度下降信息作為跼部搜索器來調整網絡的權值和閾值,使得粒子能夠在全跼尋優的基礎上對整箇空間進行搜索.通過倣真實驗與多種算法進行對比,結果錶明在訓練和汎化能力上ICMICPSO-BPNN方法明顯優于其他算法.
위료해결전궤신경망락훈련수렴속도만、역함입국부판치급대초시권치의뢰성강등결점,제출료일충기우반전적무한절첩질대혼돈입자군우화(ICMICPSO)산법훈련전궤신경망락(FNNs)삼수.해방법재충분이용BP산법적오차반전신식화제도신식적기출상,인입료ICMIC혼돈입자군적개념,장ICMIC입자군(ICMICPS)작위전국수색기,제도하강신식작위국부수색기래조정망락적권치화역치,사득입자능구재전국심우적기출상대정개공간진행수색.통과방진실험여다충산법진행대비,결과표명재훈련화범화능력상ICMICPSO-BPNN방법명현우우기타산법.
