仪表技术与传感器
儀錶技術與傳感器
의표기술여전감기
INSTRUMENT TECHNIQUE AND SENSOR
2013年
6期
118-120
,共3页
自适应遗传算法%BP神经网络%气体识别%定量分析
自適應遺傳算法%BP神經網絡%氣體識彆%定量分析
자괄응유전산법%BP신경망락%기체식별%정량분석
adaptive genetic algorithm%BP neural network%gas recognition%quantitative analysis
针对混合气体检测问题,利用误差反向传播(BP)算法和遗传算法,提出了用自适应遗传算法优化BP神经网络的方法来实现定量检测.即利用遗传算法的全局搜索能力,对神经网络连接权值和阈值进行优化,再以优化后的初值作为BP神经网络的初始连接权值和阈值,最后用附加“动量项”的误差反向传播算法训练BP网络.设计了一个结构为7×18 ×3的3层BP网络用于一组含有5个样本的混合气体识别试验.结果表明:将自适应遗传神经网络算法应用于混合气体定量识别的训练中,收敛速度比附加“动量项”BP算法要快,而且学习精度更高,识别效率也提高了2/3.
針對混閤氣體檢測問題,利用誤差反嚮傳播(BP)算法和遺傳算法,提齣瞭用自適應遺傳算法優化BP神經網絡的方法來實現定量檢測.即利用遺傳算法的全跼搜索能力,對神經網絡連接權值和閾值進行優化,再以優化後的初值作為BP神經網絡的初始連接權值和閾值,最後用附加“動量項”的誤差反嚮傳播算法訓練BP網絡.設計瞭一箇結構為7×18 ×3的3層BP網絡用于一組含有5箇樣本的混閤氣體識彆試驗.結果錶明:將自適應遺傳神經網絡算法應用于混閤氣體定量識彆的訓練中,收斂速度比附加“動量項”BP算法要快,而且學習精度更高,識彆效率也提高瞭2/3.
침대혼합기체검측문제,이용오차반향전파(BP)산법화유전산법,제출료용자괄응유전산법우화BP신경망락적방법래실현정량검측.즉이용유전산법적전국수색능력,대신경망락련접권치화역치진행우화,재이우화후적초치작위BP신경망락적초시련접권치화역치,최후용부가“동량항”적오차반향전파산법훈련BP망락.설계료일개결구위7×18 ×3적3층BP망락용우일조함유5개양본적혼합기체식별시험.결과표명:장자괄응유전신경망락산법응용우혼합기체정량식별적훈련중,수렴속도비부가“동량항”BP산법요쾌,이차학습정도경고,식별효솔야제고료2/3.
