10.3785/j.issn.1006-754X.2009.02.010
针对近似建模的前馈神经网络训练算法
为克服现有神经网络训练算法在建模精度方面的不足,提出了一种专门面向近似建模的前馈网络训练算法--GA-BP贝叶斯算法.该算法以提高网络的泛化性能为主旨,以获取对应于后验分布最大值的权值向量为训练目标,并采用遗传算法和L-M(Levenberg-Marquardt)BP算法相结合的权值搜索策略.其中,L-M BP算法是当前最流行的前馈网络训练算法.结合一个典型算例,对GA-BP贝叶斯算法和L-M BP算法进行了对比研究.结果表明:与L-M BP算法相比,GA-BP贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的精度.
近似模型、神经网络、反向传播、遗传算法
16
TB115;TP183(工程基础科学)
国家高技术研究发展计划863计划资助项目2006AA042405
2009-06-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
122-128