基于简化智能单粒子算法的神经网络及其在数字识别上的应用
本文针对智能单粒子优化算法(Intellgence single particleoptimizatio,ISPO)算法过分依赖于给定参数这一缺陷,提出了改进的简化智能单粒子算法(Simplified intelligencesingle panicle optimization,SISPO),并成功将其应用于训练神经网络。在保持ISPO寻优性能的同时,SISPO算法不冉需要专门设定参数。我们将提出的SISPO神经网络训练算法(Simplifiedintelligence single particle optimization networkSISPONN)通过手写体数字识别进行了实验。结果表明,SISPONN算法比诸如梯度下降法之类的传统BP算法取得了更小的训练误差和测试误差,训练效果更好,能够更有效用于训练结构复杂的神经网络。
智能单粒子算法 神经网络 数字识别
周家锐 纪震 沈琳琳
深圳大学德州仪器DSPs实验室,深圳 518060
国内会议
北京
中文
349-353
2008-10-22（万方平台首次上网日期，不代表论文的发表时间）