一种全局收敛的神经网络PSO训练算法

摘要：

基于梯度的神经网络训练算法收敛速度慢且易陷入局部最优,并且算法收敛依赖网络参数的初始值。现有基于PSO算法的训练算法虽然可以提高算法收敛速度,但是由于微粒群尺寸随着神经网络规模的扩大而增大,从而导致算法复杂性急剧增加,并且存在过早收敛问题。为此,本文提出了一种改进的神经网络PSO训练算法,该算法仅用到两个微粒子,且可以证明算法以概率1收敛到全局最优。仿真实例表明,本文提出的算法不仅收敛速度快、收敛精度高,并且算法收敛不依赖于网络参数的初始值。

关键词： 神经网络 训练算法 PSO算法 全局收敛 算法复杂性

作者: 李明 杨承 舒宇

作者单位: 西南林学院交通机械及土木工程学院 昆明 650224

会议类型: 国内会议

会议名称: 2007年首届仪表、自动化与先进集成技术大会

会议地点: 重庆·云南丽江

会议语种:中文

页码: 533-537

在线出版日期: 2007-12-07（万方平台首次上网日期，不代表论文的发表时间）