基于微粒群优化的BP网络学习算法研究
虽然BP算法应用广泛,但仍然存在着一些不足之处,如:学习过程收敛速度慢,容易陷入局部极小值,隐含层和隐含层节点数难以确定等. 我们知道BP神经网络实质上是把一组样本输入输出的非线性影射问题转化为一个非线性优化问题,并通过梯度算法利用迭代运算求解权值的一种学习算法.微粒群优化算法是一种新型的进化计算方法,且擅长全局搜索,利用群体智能的方法可以在复杂的、多峰的、非线性及不可微的空间中实现快速、高效的全局搜索. 因此本文结合两种算法的特点,首先利用微粒群算法的全局搜索能力对BP网络的权值进行优化,再用BP算法对其进行局部寻优,此时运用BP算法求得的最优解必定是全局的最优解,从而实现两者的有机结合。
微粒群算法 BP算法 神经网络 收敛速度 权值优化 局部寻优
楼厦 刘爱伦
华东理工大学自动化研究所,上海,200237
国内会议
上海
中文
242-244
2006-12-19（万方平台首次上网日期，不代表论文的发表时间）