10.3969/j.issn.1006-9348.2016.03.057
基于多子代遗传算法优化BP神经网络
针对BP算法的缺陷以及标准遗传算法优化BP神经网络权值和阈值的不足,为了提高算法的全局搜索能力,提出了采用自适应动态调整权值和阈值区间的多子代遗传算法的BP神经网络算法.上述算法由权值和阈值构成的父代种群交叉产生多于父代个体数量的多子代种群,根据当前多子代种群个体适应度值的变化而自适应调整搜索区间,并通过种群内部竞争操作保留具有更高适应度值的优秀个体,从而使整个神经网络具有较小的误差和较快的收敛速度.仿真发现,与采用标准遗传算法的BP神经网络算法相比,采用多子代遗传算法的BP神经网络算法具有更高的学习精度和更快的收敛速度.仿真结果证明,自适应动态调整权值和阈值区间的多子代遗传算法对BP神经网络的优化优于基本遗传算法.
神经网络、多子代、遗传算法、优化、仿真
33
TP301.6(计算技术、计算机技术)
国家自然科学基金31071331;公益性行业科研专项基金20130311-3
2016-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
258-263