基于蚁群BP神经网络的动态测量误差预测

被引：2

作者：

陈榕 ^{[1
]}

陈振林 ^{[1
]}

万程亮 ^{[2
]}

马琳 ^{[3
]}

机构：

[1] 海军航空工程学院

[2] 中国人民解放军部队

[3] 海军军训器材研究所

来源：

电子测量技术 | 2008年 / 10期

关键词：

蚁群算法; BP算法; 神经网络; 自适应; 动态误差; 预测;

D O I：

10.19651/j.cnki.emt.2008.10.045

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：

针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而蚁群算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法(蚁群BP算法,ACBP Algorithm)即首先利用蚁群算法对神经网络参数进行全局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种自适应蚁群算法,一定程度上解决了传统蚁群算法收敛速度和拓宽搜索空间之间的矛盾。最后利用仿真实例验证了ACBP神经网络较之BP神经网络和AC神经网络在动态误差预测方面的优越性,得出了相关结论。

引用

页码：149 / 151

页数：3

共 11 条

[1]

求解TSP问题的改进蚁群算法.[D].敖磊.西安电子科技大学.2005, 02

[2]

蚁群算法及其在连续性空间优化问题中的应用.[D].詹士昌.浙江大学.2002, 02

[3]

神经网络.[M].侯媛彬; 杜京义; 汪梅; 编著.西安电子科技大学出版社.2007,

[4]

神经网络理论与MATLAB R2007实现.[M].葛哲学; 孙志强; 编著.电子工业出版社.2007,

[5]

动态测量误差修正原理与技术.[M].费业泰;卢荣胜著;.中国计量出版社.2001,

[6]

神经网络系统理论.[M].焦李成著;.西安电子科技大学出版社.1990,

[7] 基于改进蚁群算法的物流配送路径优化 [J].

张维泽 ;

林剑波 ;

吴洪森 ;

童若锋 ;

董金祥 .

浙江大学学报(工学版), 2008, (04) :574-578+597

[8] 动态调整选择策略的改进蚁群算法 [J].

郑松 ;

侯迪波 ;

周泽魁 .

控制与决策 , 2008, (02) :225-228

[9] P2P网络中基于蚁群算法的智能搜索研究 [J].

王雪萍 ;

杨青 ;

黄祖锋 .

电子测量技术, 2007, (04) :45-47+55

[10] 蚁群算法在组合优化中的应用 [J].

邓玉芬 ;

向凤红 .

电子测量技术, 2007, (01) :32-35

← 1 2 →