混合粒子群算法优化神经网络的研究

田雨波; 潘朋朋

Chinese

您当前的位置：

首页 >

文章列表页 >

混合粒子群算法优化神经网络的研究

更新时间：2026-09-04

- 混合粒子群算法优化神经网络的研究
- The Research of Neural Network Based on Hybrid Particle Swarm Optimization
- 微电子学与计算机 2011年28卷第6期页码：156-159
- 作者机构：
  
  江苏科技大学机构电子信息学院,江苏,镇江,212003
- 作者简介：
- 基金信息：
  
  船舶工业国防科技预研基金项目(10J3.5.2)江苏省高校自然科学基础研究项目(07KJB510032)
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
田雨波, 潘朋朋. 混合粒子群算法优化神经网络的研究[J]. 微电子学与计算机, 2011, 28(6): 156-159.

TIAN Yu-bo, PAN Peng-peng. The Research of Neural Network Based on Hybrid Particle Swarm Optimization[J]. 2011, 28(6): 156-159.
田雨波, 潘朋朋. 混合粒子群算法优化神经网络的研究[J]. 微电子学与计算机, 2011, 28(6): 156-159. DOI：

TIAN Yu-bo, PAN Peng-peng. The Research of Neural Network Based on Hybrid Particle Swarm Optimization[J]. 2011, 28(6): 156-159. DOI：

摘要

针对BP神经网络初始权阈值的确定所具有的随机性和各个隐含层神经元数的不确定性

通过利用混合粒子群优化算法来同时优化神经网络的初始权阈值和结构.首先通过混合粒子群优化算法来确定一个较好的搜索空间

然后在这个解空间里再通过BP算法对网络进行训练和学习

搜索出最优的网络结构和权阈值.通过Iris模式分类、Wine模式分类问题和广义异或问题来对该模型进行训练和测试

相比遗传算法等其他算法

该模型可以获得更高的正确识别率

结果表明此方法是可行的.

Abstract

Aiming at the random of the determination of initial weight and the number of neurons of the hidden layers for BP neural network

this paper utilizes hybrid particle swarm optimization to optimize the initial weight and structure for the neural network.It is used to get a better search space by hybrid particle swarm optimization firstly

and then the network is trained and learned in the solution space by BP.Thereby

it searches out the optimal network structure and weight.This model is used to train and test by the use of Iris pattern classification

Wine pattern classification and generalized XOR problem

compared with other algorithm such as genetic algorithm

it can get higher recognition rate.The result shows that the way of this paper is feasible.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

云服务环境下的大数据多标签属性分类技术

一种改进的并行_近邻网络舆情分类算法研究

使用分类改进标签推荐系统准确度的研究

面向处理器分支预测单元的Spectre攻击轻量化防御方法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真