采用改进的粒子群算法训练CNNE模型

摘要：

提出用人工智能算法--粒子群优化算法(PSO)对CNNE模型进行训练,并针对标准粒子群算法易限于局部极小点的局限性,采用了一种带有梯度加速的粒子群算法,通过引入梯度信息来影响粒子速度的更新.为防止陷入局部最优,在群体最优信息陷入停滞时,对部分粒子进行重新初始化,从而保持群体的活性,减小群体陷入局优的可能性.采用粒子群算法训练的CNNE模型较原来的分布式最速下降法而言,在保证精度的前提下,提高了算法的收敛速度,解决了发射率的在线实时测量问题.

关键词：CNNE模型、粒子群、梯度

所属期刊栏目：2

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60377037;黑龙江省自然科学基金F2004-13

在线出版日期：2007-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-72