混合粒子群优化算法优化前向神经网络结构和参数

被引：15

作者：

唐贤伦 ^{[1
]}

庄陵 ^{[1
]}

李银国 ^{[2
]}

曹长修 ^{[1
]}

机构：

[1] 重庆大学自动化学院

[2] 重庆邮电大学自动化学院

来源：

计算机应用研究 | 2007年 / 12期

关键词：

粒子群优化; 神经网络; 故障诊断; 遗传算法;

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：

提出了综合利用粒子群优化算法(PSO)和离散粒子群优化算法(D-PSO)同时优化前向神经网络结构和参数的新方法。该算法使用离散粒子群优化算法优化神经网络连接结构,用多维空间中0或1取值的粒子来描述所有可能的神经网络连接,同时使用粒子群优化算法优化神经网络权值。将经过该算法训练的神经网络应用于故障诊断,能够有效消除冗余连接结构对网络诊断能力的影响。仿真试验的结果表明,相比遗传算法等其他算法,该算法能够有效改善神经网络结构和参数的优化效率,提高故障模式识别的准确率。

引用

页码：91 / 93

页数：3