粒子群优化BP网络及其应用

被引：4

作者：

任玉艳 ^{[1
]}

王洪瑞 ^{[2
]}

鲍洁 ^{[3
]}

机构：

[1] 燕山大学里仁学院

[2] 河北大学电子信息工程学院

[3] 国家发展和改革委员会国家投资项目评审中心

来源：

河北大学学报(自然科学版) | 2011年 / 04期

关键词：

BP网络; 粒子群算法(PSO); 量子论; 优化算法; 仿生机器马;

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：

140502 [人工智能];

摘要：

提出一种基于量子激励粒子群算法优化BP网络的参数方法.该算法在粒子群优化算法中引入量子论思想,克服了传统粒子群算法易陷入局部极值、优化效果较差的缺点,最终得到BP网络的最佳参数值.利用优化后的BP网络控制仿生机器马的运动状态,仿真结果表明该算法能快速、准确地达到最佳控制效果.

引用

页码：445 / 448

页数：4

共 7 条

[1]

基于聚类分析的增强型蚁群算法 [J].

任志刚 ;

冯祖仁 ;

柯良军 ;

张兆军 .

控制与决策, 2010, 25 (08) :1201-1206

[2]

改进粒子群—BP神经网络模型的短期电力负荷预测 [J].

师彪 ;

李郁侠 ;

于新花 ;

闫旺 .

计算机应用, 2009, 29 (04) :1036-1039

[3]

基于不变矩特征及BP神经网络的图像模式识别 [J].

田华 ;

石圣羽 ;

宗晓萍 .

河北大学学报(自然科学版), 2008, (02) :214-217

[4]

蚁群算法优化前向神经网络的一种方法 [J].

王晶 .

计算机工程与应用, 2006, (25) :53-55

[5]

一种新的基于粒群优化的BP网络学习算法 [J].

宋乃华 ;

邢清华 .

计算机工程, 2006, (14) :181-183

[6]

神经网络模型的预测精度影响因素分析及其优化 [J].

陈果 .

模式识别与人工智能, 2005, 18 (05) :528-534

[7]

Artificial neural networks: fundamentals; computing; design; and application[J] I.A Basheer;M Hajmeer Journal of Microbiological Methods 2000,

← 1 →