基于MCPSO算法的BP神经网络训练

被引：4

作者：

牛奔

李丽

机构：

[1] 深圳大学管理学院

来源：

深圳大学学报(理工版) | 2009年 / 26卷 / 02期

关键词：

粒子群; 多群体; 神经网络; 函数逼近; 模式分类;

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：

基于多群体协同进化粒子群算法,提出一种用于BP神经网络训练的新型学习算法.将网络中需要调整权值与偏差组成的矢量看成MCPSO算法中粒子,通过粒子间的竞争与合作,完成网络训练过程.将基于MCPSO训练的BP网络分别应用于函数逼近和模式分类问题.结果表明,基于MCPSO的神经网络学习算法在收敛速度和学习效率等方面优于其他方法.

引用

收藏

页码：147 / 150

页数：4

相关论文

共 5 条

[1] 基于神经网络──粒子群优化算法的医学图像分割新方法 [J].

林晓梅 ;

吕珊珊 ;

朱丹 ;

王爽爽 .

长春工业大学学报(自然科学版), 2008, (02) :158-161

[2] 一种基于粒子群优化算法的神经网络训练方法 [J].

秦毅男 ;

廖晓辉 ;

赵庆治 .

河南师范大学学报(自然科学版), 2007, (03) :169-171

[3] 粒子群优化算法在城市需水量预测中的应用 [J].

岳琳 ;

张宏伟 ;

王亮 .

天津大学学报, 2007, (06) :742-746

[4] 基于粒子群优化的神经网络训练算法研究 [J].

高海兵 ;

高亮 ;

周驰 ;

喻道远 .

电子学报, 2004, (09) :1572-1574

[5]

MCPSO:A multi-swarm cooperative particle swarm optimizer. Niu Ben,Zhu Yunlong,He Xiaoxian,and Wu Henry. Journal of Applied Mathematics . 2007