基于改进粒子群优化算法的神经网络设计

被引：11

作者：

宁东方 ^{[1
]}

章卫国 ^{[1
]}

田娜 ^{[2
]}

机构：

[1] 西北工业大学自动化学院

[2] 陕西工业职业技术学院工业中心

来源：

计算机应用研究 | 2008年 / 11期

关键词：

粒子群算法; 蚁群算法; 信息素; 神经网络设计;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

借鉴分层递阶结构原理和蚁群算法的思想,提出了一种基于信息素的粒子群算法并用来优化前向神经网络的结构和权值。通过在控制基因中释放信息素进行粒子控制基因的更新,实现了粒子间信息的共享。粒子群的惯性权重采用指数曲线衰减的形式,给每代最差粒子的速度随机加入干扰,克服了标准粒子群算法在寻优时出现的粒子早熟现象。仿真结果表明该算法能快速确定神经网络的结构和权值,表现出良好的收敛性能。

引用

页码：3343 / 3345

页数：3

共 6 条

[1] 基于粒子群优化算法的支持向量机参数选择及其应用[J].邵信光,杨慧中,陈刚. 控制理论与应用.2006(05)
[2] 一种自适应粒子群优化算法及其仿真研究[J].韩江洪,李正荣,魏振春. 系统仿真学报.2006(10)
[3] 基于种群小生境微粒群算法的前向神经网络设计[J].王俊年,申群太,周少武,沈洪远. 控制与决策.2005(09)
[4] 改进QDPSO算法在BP网络训练中的应用[J].熊伟丽,徐保国,孙俊. 系统仿真学报.2005(09)
[5] 蚁群算法及其应用[M].哈尔滨工业大学出版社,李士勇,2004
[6] FeatureSelectionforStructure-activityCorrelationUsingBinaryParticleSwarm.2AgrafiotisDK,CedenoW.MedChem.2002

← 1 →