基于改进量子遗传算法的过程神经元网络训练

被引：8

作者：

李欣 ^{[1
,2
]}

程春田 ^{[3
]}

曾筠 ^{[3
]}

机构：

[1] 大连理工大学电子与信息工程学院

[2] 大庆石油学院计算机与信息技术学院

[3] 大连理工大学水电与水信息研究所

来源：

控制与决策 | 2009年 / 24卷 / 03期

关键词：

过程神经元网络; 量子遗传算法; 学习算法;

D O I：

10.13195/j.cd.2009.03.29.lix.016

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对过程神经元网络由于模型参数较多BP算法不易收敛的问题,提出一种基于量子位Bloch坐标的量子遗传算法.将该算法融合于过程神经网络的训练,按权值参数的个数确定量子染色体上的基因数并完成种群编码,通过新的量子旋转门完成个体的更新.算法中的每条染色体携带3条基因链,因此可扩展对解空间的遍历性,加速优化进程.以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强.

引用

页码：347 / 351

页数：5

共 8 条

[1] 基于函数正交基展开的过程神经网络学习算法
许少华
何新贵
[J]. 计算机学报, 2004, (05) : 645 - 650
[2] 一种新量子遗传算法及其应用
张葛祥
李娜
金炜东
胡来招
[J]. 电子学报, 2004, (03) : 476 - 479
[3] 一类用于连续过程逼近的过程神经元网络及其应用
许少华
何新贵
李盼池
[J]. 信息与控制, 2004, (01) : 116 - 119
[4] 基于基函数展开的双隐层过程神经元网络及其应用
许少华
何新贵
尚福华
不详
[J]. 控制与决策 , 2004, (01) : 36 - 39+48
[5] 过程神经网络的训练及其应用
何新贵
梁久祯
许少华
[J]. 中国工程科学, 2001, (04) : 31 - 35
[6] 过程神经元网络的若干理论问题
何新贵
梁久祯
[J]. 中国工程科学, 2000, (12) : 40 - 44
[7] 过程神经元网络.[M].何新贵; 许少华; 著.科学出版社.2007,
[8] 遗传算法.[M].王小平;曹立明著;.西安交通大学出版社.2002,

← 1 →