基于遗传算法的优化BP神经网络算法与应用研究
(0) 反向传播(Back-Propagation，BP)神经网络是目前研究最为成熟的神经网络模型之一，由于具有较好的自学习、自适应、鲁棒性和泛化能力，被广泛地运用模式识别、函数逼近和图像处理等各个领域，然而BP网络存在着收敛速率慢、易陷入局部极小、隐层结构难以确定等不足，针对这些不足所提出的诸多改进虽一定程度上进行了改善，但仍在存储空间、算法简洁等方面难以均衡，本文对基于生物进化理论的遗传算法(Genetic Algorithms，GA)优化BP神经网络进行了研究，首先用GA优化BP网络的权值和阈值，以提高网络的收敛速率，克服易陷入局部极小的的不足;其次通过对网络结构的优化，以解决隐层神经元个数确定的难题，建立了基于GA同时优化BP网络的连接权值、阈值和隐层结构的优化神经网络模型，最后通过实例分析，证明了算法的有效性。
遗传算法 BP神经网络 拓扑结构 函数逼近
丁世飞 苏春阳
中国矿业大学计算机科学与技术学院 徐州221116
国内会议
北京
中文
2425-2428
2010-07-29（万方平台首次上网日期，不代表论文的发表时间）