基于改进量子遗传算法的过程神经元网络训练

摘要：

针对过程神经元网络由于模型参数较多BP算法不易收敛的问题,提出一种基于量子位Bloch坐标的量子遗传算法.将该算法融合于过程神经网络的训练.按权值参数的个数确定量子染色体上的基因数并完成种群编码,通过新的量子旋转门完成个体的更新.算法中的每条染色体携带3条基因链,因此可扩展对解空间的遍历性,加速优化进程.以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强.

关键词：过程神经元网络、量子遗传算法、学习算法

所属期刊栏目：24

分类号：TPL83

资助基金：国家自然科学基金50479055;50679011

在线出版日期：2009-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：347-351