基于改进PSO算法的BP神经网络的应用研究

被引：22

作者：

曾万里 ^{[1
]}

危韧勇 ^{[1
]}

陈红玲 ^{[2
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 吉林大学珠海学院

来源：

计算机技术与发展 | 2008年 / 04期

关键词：

BP网络; 粒子群优化算法; 矢量位移; 收敛速度;

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：

为了克服粒子群优化算法本身存在的早熟和局部收敛的固有问题,在描述了BP神经网络的基本结构的基础上,介绍了粒子群优化算法(PSO)的基本概念,并通过对二者优缺点的分析与比较,结合二者的优势,将粒子矢量位移应用到PSO算法中,并在此基础上,用改进的PSO算法对BP网络进行训练,还利用某商场的部分消费数据进行了实验。结果表明,基于改进的PSO算法的BP网络在收敛速度和精度上都比基于传统的PSO算法好。

引用

页码：49 / 51

页数：3

共 5 条

[1] 具有自适应随机惯性权重的PSO算法 [J].

延丽平 ;

曾建潮 .

计算机工程与设计, 2006, (24) :4677-4679+4706

[2] 一种改进的粒子群算法在BP网络中的应用研究 [J].

江涛 ;

张玉芳 ;

王银辉 .

计算机科学, 2006, (09) :164-165+290

[3] 基于改进粒子群算法的PID参数优化方法研究 [J].

熊伟丽 ;

徐保国 ;

周其明 .

计算机工程, 2005, (24) :41-43

[4] 基于运动目标路径的粒子群优化算法研究 [J].

孙红光 ;

潘毓学 .

仪器仪表学报, 2004, (S1) :946-947

[5]

Recent approaches to global optimization problems through Particle Swarm Optimization[J] . K.E. Parsopoulos,M.N. Vrahatis.Natural Computing . 2002 (2-3)

← 1 →