10.3969/j.issn.1003-3254.2015.07.032
结合信息融合和BP神经网络的决策算法
针对网络输入信息复杂多变,固定的 BP(Back-Propagation)网络结构难以发挥其优势的情况,提出了结合信息融合和BP神经网络的决策算法。即根据输入的变化情况,利用D-S证据理论(Dempster-Shafer,D-S)对BP神经网络的结构进行优选。同时使用粒子群(PSO, Particle Swarm Optimization)算法来确定BP神经网络的初值,以改善其收敛速度慢和容易陷入局部极小值的问题。仿真结果显示,结合信息融合和 BP 神经网络的决策算法和BP神经网络相比,有效提高了BP神经网络训练的时间及预测的准确率,在适应复杂多变的输入信息时具有一定的优势。
信息融合、BP神经网络、网络结构、决策算法
TP3;TP2
2015-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
175-179