计算机科学 ›› 2006, Vol. 33 ›› Issue (9): 164-165.
• 计算机网络与信息安全 • 上一篇 下一篇
江涛 张玉芳 王银辉
出版日期:
发布日期:
JIANG Tao, ZHANG Yu-Fang ,WANG Yin-Hui （Computer School of Chongqing University, Chongqing 400044）
Online:
Published:
摘要： 采用Sigmoid激活函数的三层前向神经网络能够以任意精度模拟复杂的非线性关系，训练算法对神经网络模式分类的性能有较大影响。基于梯度下降的BP网络存在收敛速度慢、易陷入局部极小的缺陷。粒子群算法是一种全局优化算法。本文针对粒子群算法本身存在的不足加以改进，用改进后的粒子群算法对BP网络进行训练，从而克服BP网络的一些缺陷。采用IRIS分类问题验证了本文提出的方法的有效性。实验结果表明本文采用的方法比普通PSO-BP算法效果更好。
关键词: 粒子群算法 全局优化 BP 神经网络
Abstract: 3-layer forward neural network with Sigmoid activation function can simulate complex non-linear relationship with any precision. The training algorithm of BP affects the classification performance of pattern of the network, BP network with gradient descen
Key words: Particle swarm optimization algorithm, Global optimization, BP, Neural network
江涛 张玉芳 王银辉. 一种改进的粒子群算法在BP网络中的应用研究[J]. 计算机科学, 2006, 33(9): 164-165. https://doi.org/
JIANG Tao, ZHANG Yu-Fang ,WANG Yin-Hui （Computer School of Chongqing University, Chongqing 400044）. [J]. Computer Science, 2006, 33(9): 164-165. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2006/V33/I9/164
Cited
首页