基于GSO优化BP神经网络的预测模型

被引：2

作者：

潘艳杰

熊助国

郭旭平

机构：

[1] 东华理工大学测绘工程学院

来源：

河南城建学院学报 | 2013年 / 22卷 / 01期

关键词：

BP神经网络; 人工萤火虫群智能优化算法; 精确度;

D O I：

10.14140/j.cnki.hncjxb.2013.01.008

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对BP神经网络及人工萤火虫群智能算法(Glowworm Swarm Optimization,简称GSO)两种智能算法的不足,提出了一种利用GSO优化BP神经网络的新算法。该算法主要是利用人工萤火虫算法训练BP神经网络,以此来提高混合算法的精确度。仿真试验结果表明,利用GSO算法优化BP神经网络可以有效地提高预测变形的精确度。

引用

页码：47 / 51

页数：5

共 5 条

[1] 基于萤火虫算法的神经网络CPI预测模型 [J].

彭伟 ;

汪镭 .

微型电脑应用, 2012, 28 (03) :46-48+55+69

[2] 基于粒子群优化BP神经网络的隧道围岩位移反演分析 [J].

朱珍德 ;

杨喜庆 ;

郝振群 ;

王士宏 .

水利与建筑工程学报, 2010, 8 (04) :16-20

[3]

BP神经网络算法改进及应用研究[D]. 黄丽.重庆师范大学. 2008

[4]

基于群体智能算法的人工神经网络优化及其应用[D]. 陈伟.江南大学. 2007

[5]

Glowworm swarm optimisation: a new method for optimising multi-modal functions[J] . K.N. Krishnanand,D.,Ghose.Int. J. of Computational Intelligence Studies . 2009 (1)

← 1 →