科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2012年
5期
98-99
,共2页
标准粒子群算法%BP神经网络%系统辨识%MATLAB
標準粒子群算法%BP神經網絡%繫統辨識%MATLAB
표준입자군산법%BP신경망락%계통변식%MATLAB
针对传统神经网络学习算法中存在的收敛速度慢、容易陷入局部最优等缺点,设计了基于标准粒子群算法(SPSO)的神经网络非线性函数拟合系统.将神经网络中的权值看作一个粒子,通过粒子之间的竞争与合作以完成网络的学习过程.仿真结果表明,基于SPSO的神经网络学习算法在收敛速度、辨识精度等方面要优于传统的BP神经网络.
針對傳統神經網絡學習算法中存在的收斂速度慢、容易陷入跼部最優等缺點,設計瞭基于標準粒子群算法(SPSO)的神經網絡非線性函數擬閤繫統.將神經網絡中的權值看作一箇粒子,通過粒子之間的競爭與閤作以完成網絡的學習過程.倣真結果錶明,基于SPSO的神經網絡學習算法在收斂速度、辨識精度等方麵要優于傳統的BP神經網絡.
침대전통신경망락학습산법중존재적수렴속도만、용역함입국부최우등결점,설계료기우표준입자군산법(SPSO)적신경망락비선성함수의합계통.장신경망락중적권치간작일개입자,통과입자지간적경쟁여합작이완성망락적학습과정.방진결과표명,기우SPSO적신경망락학습산법재수렴속도、변식정도등방면요우우전통적BP신경망락.
