随机样本遗传MLP模型算法

摘要：

提出的SSGAMLP（Small Set Genetic Algorithm Multilayer Perceptron）模型，是针对MLP模型易陷入局部最优，且模型泛化性不好，而遗传算法可以跳出局部最优，但是种群个体数较多，却带来运算复杂度的提高，目的是为了克服以上不足，将遗传算法与MLP模型相结合，将MLP模型节点的向下连接权值看成是低层向高层的映射，因此每个节点（包括权值和阈值）可以看成是一个特征表达，即遗传算法的基因表达，同时个体MLP模型训练使用的随机样本子集以及算法的交叉变异，相当于引入随机因子，存在获得未知特征表达的可能性。实验基于MNIST数据集，印证了SSGAMLP模型在性能上的优势。模型降低了个体运算复杂度，提高了泛化性，在一定程度上克服了过拟合性。

关键词：多层感知机、遗传算法、随机子集、泛化性

分类号：TP301.6(计算技术、计算机技术)

资助基金：福建省自然科学基金No.2013J01243；福建省重点项目No.2013H0032。

在线出版日期：2015-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：121-127,143