计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
33期
227-229,243
,共4页
递阶遗传算法%粒子群算法%误差反向传播(BP)算法%人工神经网络%优化%混沌时间序列
遞階遺傳算法%粒子群算法%誤差反嚮傳播(BP)算法%人工神經網絡%優化%混沌時間序列
체계유전산법%입자군산법%오차반향전파(BP)산법%인공신경망락%우화%혼돈시간서렬
将递阶遗传粒子群算法(HGAPSO)应用于神经网络设计,可以在对网络拓扑结构优化的同时对连接权重进行求解.该算法结合了遗传算法在解决离散问题和粒子群算法在解决连续问题上的优势,并利用BP算法沿误差最速下降的能力对连接权重进一步学习,达到全局最优和快速搜索的有机结合.通过对混沌时序信号的预测,表明递阶遗传粒子群算法在较大程度上提高了神经网络的学习性能和泛化能力.
將遞階遺傳粒子群算法(HGAPSO)應用于神經網絡設計,可以在對網絡拓撲結構優化的同時對連接權重進行求解.該算法結閤瞭遺傳算法在解決離散問題和粒子群算法在解決連續問題上的優勢,併利用BP算法沿誤差最速下降的能力對連接權重進一步學習,達到全跼最優和快速搜索的有機結閤.通過對混沌時序信號的預測,錶明遞階遺傳粒子群算法在較大程度上提高瞭神經網絡的學習性能和汎化能力.
장체계유전입자군산법(HGAPSO)응용우신경망락설계,가이재대망락탁복결구우화적동시대련접권중진행구해.해산법결합료유전산법재해결리산문제화입자군산법재해결련속문제상적우세,병이용BP산법연오차최속하강적능력대련접권중진일보학습,체도전국최우화쾌속수색적유궤결합.통과대혼돈시서신호적예측,표명체계유전입자군산법재교대정도상제고료신경망락적학습성능화범화능력.
