遗传算法在前向神经网络参数估计中的应用

• 作者: 于盛林 石玉 陈小平
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 遗传算法 神经网络 参数估计
• 年，卷（期）: 2001,（2）
• 页码范围: 1-5,10
• 页数: 6页
• 分类号: TP18
• 字数: 3278字
• 语种: 中文

摘要

人工神经网络在很多领域有着成功的应用.神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解.遗传算法是一种随机优化技术,它可以发现全局最优解.本文介绍了遗传算法在前向多层神经网络参数估计中的应用,并对标准遗传算法进行了适当的改进.结合具体例子给出了算法实现的操作步骤和实验结果.实验数据表明采用遗传算法得到的神经网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于盛林	南京航空航天大学测试工程系	151	3177	24.0	51.0
2	陈小平	南京航空航天大学测试工程系	22	292	10.0	17.0
3	石玉	南京航空航天大学测试工程系	37	338	11.0	17.0