基于粒子群优化与BP算法的协同神经网络学习方法

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

文献标识码
ＣｏｏＰＥＲＡＴＩＶＥＮＥＵＲＡＬＮＥＴＷｏＲＫＬＥＡＲＮＩＮＧＡＬＧｏＲＩＴＨＭＢＡＳＥＤｏＮＰＡＲＴＩＣＬＥＳＷＡＲＭｏＰＴＩＭＩＳＡＴＩｏＮＡＮＤＢＰＮＥＵＲＡＬＮＥＴＷｏＲＫ
ＪｉａｎｇＬｉＷａｎｇＡｉｐｉｎｇ
ＡｂｓｔｒａｃｔＦｏｒｔｈｅｓｔａｎｄａｒｄＢＰａｌｇｏｉｒｔｈｍｕｓｕａｌｌｙｈａｓｔｈｅｌｉｍｉｔａｔｉｏｎｓｏｆｌｏｃａｌｅｘｔｒｅｍｅｖａｌｕｅｓａｎｄｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅ，ａｃｏｏｐｅｒａｔｉｖｅｎｅｕｒａｌ
局搜索性及ＢＰ算法的反向传播特点。将该算法应用于４个复杂函数的拟合仿真，并与标准ＢＰ算法以及传统的粒子群优化ＢＰ神经网络算法进行比较。实验结果表明所提的协同算法的性能优于传统的ＢＰ网络优化算法。
关键词中图分类号ＢＰ算法粒子群算法ＴＰ１８３优化函数拟合Ａ协同算法ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－３８６ｘ．２０１３．０９．００６
ｎｅｔｗｏｒｋｌｅａｒｎｉｎｇ，ｔｈｉｓｍｅｔｈｏｄｍａｋｅｓｕｓｅｏｆｂｏｔｈＰＳＯａｎｄＢＰｌｇａｏｒｉｔｈｍｓｓｉｍｕｌｔａｎｅｏｕｓｌｙｔｏｃａｒｒｙｏｕｔｔｈｅｃｏｏｐｅｒａｔｉｖｅｓｅａｒｃｈｏｆｏｐｔｉｍａｌｎｅｔｗｏｒｋ
．
ｗｅｉｇｈｔ，ＳＯｔｈａｔｉｔｔａｋｅｓｔｈｅｆｕｌｌａｄｖａｎｔａｇｅｓｏｆｇｌｏｂｌａｓｅａｒｃｈｐｒｏｐｅｔｒｙｆｏＰＳＯａｎｄｂａｃｋｐｏｐｒａｇａｔｉｏｎｆｅａｔｕｒｅｆｏＢＰｌｇａｏｒｉｔｈｍ．ＷｅａｐｐｌｙｔｈｉｓａｌｇｏｒｉｔｈｍｉｎｆｉｔｔｉｎｇｓｉｍｕｌａｔｉｏｎｗｉｔｈｆｏｕｒｃｏｍｐｌｅｘｆｕｎｃｔｉｏｎｓａｎｄｃｏｍｐｒｅａｉｔｗｉｔｈｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｌｇａｏｒｉｔｈｍｓｂａｓｅｄｏｎｅｉｔｈｅｒｓｔａｎｄａｒｄＢＰｎｅｔｗｏｒｋｏｒｔｒａｄｉｔｉｏｎａｌＰＳＯ．ＥｘｐｅｉｒｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｃｏｏｐｅｒａｔｉｖｅａｌｇｏｉｒｔｈｍｐｒｏｐｏｓｅｄｐｅｒｆｏｍｓｒｂｅｔｔｅｒｔｈａｎｔｈｅｔｒａｄｉｔｉｏｎｌａＢＰｎｅｔｗｏｒｋ
ｎｅｔｗｏｒｋｌｅａｒｎｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＰＳＯ）ａｎｄＢＰａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｄｕｉｒｎｇｔｈｅｐｒｏｃｅｓｓｏｆ
江丽王爱平
（安徽大学计算机科学与技术学院安徽合肥２３０６０１）
Байду номын сангаас
摘
要
针对标准ＢＰ算法易陷入局部极值及收敛速度慢等问题，提出一种基于粒子群优化与ＢＰ算法的协同神经网络学习方
法。该方法在网络的学习过程中，同时利用ＰＳＯ优化算法与ＢＥ算法进行最优网络权值的协同搜索，从而充分利用粒子群算法的全
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３０６０１，Ａｎｈｕｉ，Ｃｈｉｎａ）
第３Ｏ卷第９期
２０１３年９月
计算机应用与软件
ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｖｏ１．３ＯＮｏ．９
Ｓｅｐ．２０１３
基于粒子群优化与ＢＰ算法的协同神经网络学习方法