一种基于混沌遗传与粒子群混合优化的过程神经网络训练算法
针对时变输入/输出过程神经网络的训练问题,提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质,基于PNN训练目标函数,构建两种算法相混合的进化寻优机制,通过适应度评估和优化效率分析自适应调节混沌遗传与粒子群算法的切换,实现网络参数在可行解空间的全局优化求解。实验结果表明,该算法较大提高了PNN的训练效率。
过程神经网络、训练算法、混沌遗传算法、粒子群算法、混合优化策略
TP183(自动化基础理论)
国家自然科学基金项目61170132;中国石油科技创新基金项目2010D-5006-0302
2013-09-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
1393-1398