计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
29期
34-36,67
,共4页
BP网络%PSO粒子群算法%传递函数%逼近%泛化
BP網絡%PSO粒子群算法%傳遞函數%逼近%汎化
BP망락%PSO입자군산법%전체함수%핍근%범화
利用PSO粒子群算法对神经网络的权值和阈值,隐藏层中神经元的传递函数系数进行优化.针对网络训练效果好,而泛化能力很差的情况,将训练样本均方差和权值的平方和结合作为PSO算法的目标函数.实验表明,该方法比惯性权值PSO-BP算法和基本梯度下降法好,不但稳定性好,而且预测精度高,泛化能力得到明显加强.
利用PSO粒子群算法對神經網絡的權值和閾值,隱藏層中神經元的傳遞函數繫數進行優化.針對網絡訓練效果好,而汎化能力很差的情況,將訓練樣本均方差和權值的平方和結閤作為PSO算法的目標函數.實驗錶明,該方法比慣性權值PSO-BP算法和基本梯度下降法好,不但穩定性好,而且預測精度高,汎化能力得到明顯加彊.
이용PSO입자군산법대신경망락적권치화역치,은장층중신경원적전체함수계수진행우화.침대망락훈련효과호,이범화능력흔차적정황,장훈련양본균방차화권치적평방화결합작위PSO산법적목표함수.실험표명,해방법비관성권치PSO-BP산법화기본제도하강법호,불단은정성호,이차예측정도고,범화능력득도명현가강.