粒子群算法优化神经网络结构的研究

摘要：

针对BP神经网络初始权阈值确定的随机性和隐含层节点数的不确定性,通过利用十进制粒子群优化算法(DePSO)和二进制粒子群优化算法(BiPSO),同时优化神经网络的初始权阈值和结构.通过粒子群优化算法首先确定一个较好的搜索空间,然后在这个解空间里利用BP算法对网络进行训练和学习,搜索出最优解.通过函数拟合数值实验对该模型来进行训练和测试,相比其他算法,该模型可以获得较高的预测精度,结果表明该方法是可行的.

关键词：粒子群、神经网络、隐含层节点数、函数拟合

所属期刊栏目：34

分类号：TN911-34;TP183

资助基金：江苏省高校自然科学基础研究项目07K5B510032

在线出版日期：2011-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：110-112