改进的粒子群动态过程神经网络及其应用

被引:8
作者
于广滨
李瑰贤
金向阳
白彦伟
机构
[1] 哈尔滨工业大学机电工程学院
关键词
人工智能; 动态过程神经网络; 粒子群算法; 模式分类;
D O I
10.13229/j.cnki.jdxbgxb2008.05.040
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
为克服前向过程神经网络收敛速度慢、精度低的问题,本文提出了一种基于改进的粒子群动态过程神经网络(IDPNN)。对于给定的全连接的过程神经网络,通过IPSO优化其连接权值和网络结构删除冗余连接使之成为部分连接的过程神经网络系统,从而降低了计算成本。将经过IPSO训练的动态过程神经网络应用于Iris模式分类问题,结果表明,改进的粒子群动态过程神经网络具有较高的收敛速度和精确性。
引用
收藏
页码:1141 / 1145
页数:5
相关论文
共 4 条
[1]   时变时滞双向联想记忆神经网络的鲁棒稳定性 [J].
王占山 ;
关焕新 ;
张化光 .
吉林大学学报(工学版), 2007, (06) :1397-1401
[2]   基于过程神经网络的时间序列预测及其应用研究 [J].
丁刚 ;
钟诗胜 .
控制与决策, 2006, (09) :1037-1041
[3]   基于函数正交基展开的过程神经网络学习算法 [J].
许少华 ;
何新贵 .
计算机学报, 2004, (05) :645-650
[4]   过程神经元网络的若干理论问题 [J].
何新贵 ;
梁久祯 .
中国工程科学, 2000, (12) :40-44