BP神经网络的优化算法研究

被引：10

作者：

张山

何建农

机构：

[1] 福州大学数学与计算机科学学院

来源：

计算机与现代化 | 2009年 / 01期

关键词：

遗传算法; 模拟退火算法; 神经网络;

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：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

BP学习算法通常具有收敛速度慢,易陷入局部极小值等缺点;遗传算法是全局优化算法,具有较强的全局搜索性能,但它在实际应用中容易产生早熟收敛的问题,且在进化后期搜索效率较低;模拟退火算法具有摆脱局部最优点的能力,能抑制遗传算法的早熟现象。因此,本文在BP算法结合遗传算法的同时,再加入模拟退火算法,可以有效地缓解遗传算法的选择压力。

引用

收藏

页码：73 / 75+80 +80

页数：4

相关论文

共 13 条

[1] BP神经网络的发展现状综述 [J].

周政 .

山西电子技术, 2008, (02) :90-92

[2] 遗传算法研究综述 [J].

马永 ;

贾俊芳 .

山西大同大学学报(自然科学版), 2007, (06) :11-13+21

[3] 最优子种群实数编码遗传算法的研究 [J].

黄隽 ;

谢俊 .

徐州师范大学学报(自然科学版), 2005, (02) :53-56

[4] BP网络中隐含层节点优化的研究 [J].

刘维群 ;

李元臣 .

交通与计算机, 2005, (02) :83-86

[5] 结合遗传算法优化BP神经网络的结构和参数 [J].

田旭光 ;

宋彤 ;

刘宇新 .

计算机应用与软件, 2004, (06) :69-71

[6] 基于遗传算法的进化神经网络 [J].

刘芳 ;

李人厚 .

系统仿真学报, 2003, (10) :1431-1433

[7] 一种有效的实数编码遗传算法 [J].

周育人 ;

李元香 ;

王勇 .

武汉大学学报(理学版), 2003, (01) :39-43

[8] 基于遗传算法的BP网络全局收敛的混合智能学习算法 [J].

熊凌 ;

赵明旺 .

武汉科技大学学报(自然科学版), 2000, (02) :183-186

[9] 遗传算法与神经网络的结合 [J].

李敏强 ;

徐博艺 ;

寇纪淞 .

系统工程理论与实践, 1999, (02) :66-70+113

[10] 基于实数编码遗传算法的多层神经网络BP算法 [J].

王保中 ;

康立山 ;

何巍 .

武汉大学学报(自然科学版), 1998, (03) :26-28