10.16652/j.issn.1004-373x.2017.03.043
一种基于高维粒子群算法的神经网络结构优化研究
为克服传统BP神经网络在运算过程的不足,提出一种基于高维粒子群算法的神经网络优化方法。通过在高维PSO算法中引入随机变化的加速常数来获得最优权值,对BP神经网络进行优化和训练,再将优化好的高维BP神经网络运用到交通事件自动检测中,通过检测训练算法,并对训练后的数据进行分类测试,把分类测试的结果与传统BP神经网络和经典事件检测算法比较。结果显示,经过优化后的高维粒子群BP神经网络的检测率、算法性能均优于BP神经网络算法和经典算法,其中97,50个测试样本中仅有2个测试样本与应该达到的数值不一致,其他样本都满足测试要求,并且平均优化测试时间是传统BP神经网络检测时间的一半,因此,优化后的BP神经网络算法的性能十分优越。
高维BP神经网络、粒子群算法、神经网络、结构优化
40
TN711-34;TP311(基本电子电路)
四川省教育厅自然科学类重点项目复杂曲面零件模块化参数宏程序编程应用与研究14ZB0470
2017-03-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
157-159,163