共 8 条
- [7] 群集智能计算和多智能体技术及其在电力系统优化运行中的应用研究[D]. 赵波.浙江大学. 2005
- [8] 神经网络结构设计的理论与方法[M]. 国防工业出版社 , 魏海坤编著, 2005
基于MAPSO算法的小波神经网络训练方法研究
被引：8
作者：
唐雪琴
[1
,2
]
王侃
[3
]
徐宗昌
[1
]
黄书峰
[1
]
李博
[1
]
机构：
[1] 装甲兵工程学院
[2] 新疆乌市部队
[3] 河南经贸职业学院信息管理系
来源：
关键词：
粒子群;
小波神经网络;
多粒子信息共享;
自适应惯性权重;
早熟收敛;
D O I：
10.16182/j.cnki.joss.2012.03.016
中图分类号：
E917 [军事系统工程学];
TP183 [人工神经网络与计算];
学科分类号：
1111 ;
摘要：
为提高小波神经网络(Wavelet Neural Network,WNN)的建模质量,针对标准粒子群(Particle Swarm Optimization,PSO)算法优化WNN存在的早熟和局部收敛问题,提出一种基于多粒子信息共享(Multi-particle information share)和自适应惯性权重(Adaptive inertia weight)策略的PSO方法(MAPSO)用于WNN训练。多粒子信息共享采用多粒子信息来修正各粒子下一次的行动策略,以降低粒子陷入局部最优的可能性;惯性权重自适应调整根据群体早熟收敛程度,按个体适应度自适应调整惯性权重,以使陷入局部最优粒子跳出。同时,给出了算法实现的基本流程。仿真结果表明MAPSO算法既具有PSO算法的简捷性,又能够提高WNN学习速度和精度及全局搜索能力,是小波网络的有效训练方法。
引用
收藏
页码：608 / 612
页数：5
相关论文