基于PSO和L-M优化方法的奇偶问题学习算法

摘要：

神经网络训练的BP算法具有学习过程收敛速度慢、易陷入局部极小点以及鲁棒性差等缺陷.粒子群优化群算法是一种全局随机优化的进化群体算法,能够有效地解决比较复杂的优化问题。将PSO 算法与改进的BP 算法Levenberg-Marquardt(L-M)算法相融合应用于奇偶问题学习算法中,增强了算法的优化性能,有效地解决了一般BP 算法收敛速度慢、易陷入局部极小点的问题,实例表明这种混合算法的优越性。

关键词： 奇偶问题 神经网络 网络训练 收敛速度 粒子群算法 进化群体算法

作者: 杨光友 张道德

作者单位: 湖北工业大学机械工程学院,武汉430068

会议类型: 国内会议

会议名称: 第26届中国控制会议

会议地点: 湖南张家界

会议语种:中文

页码: 785-789

在线出版日期: 2007-07-26（万方平台首次上网日期，不代表论文的发表时间）