基于样本划分的启发式遗传BP算法

• 作者: 文敦伟 蔡自兴
• 来源期刊: 中南工业大学学报(自然科学版)
• 学科: 工学
• 关键词: 神经网络 样本 学习算法 遗传算法
• 年，卷（期）: 2002,（1）
• 所属期刊栏目: 机电与信息工程
• 页码范围: 92-95
• 页数: 4页
• 分类号: TP183
• 字数: 2744字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7207.2002.01.024

摘要

遗传算法作为一种模拟生物遗传进化过程的随机搜索算法,具有并行和全局搜索能力、不要求函数可导等特点,在神经网络学习中得到广泛应用.合理选择初始群体和控制搜索的盲目性,有利于提高算法的效率.为此,提出了一种新的神经网络学习算法--基于样本划分的启发式遗传BP算法.该方法对神经网络学习样本进行划分,形成样本子集.初始群体通过在样本集类上训练神经网络而获得.这些初始网络中包含了关于样本子集的有用信息,根据模式定理,能通过遗传算法保留和加强.此外,提出并证明了关于样本集类及其BP训练的几个代数性质,结合子空间划分进行启发式搜索,以克服搜索的盲目性.对上述方法进行仿真实验,迭代次数和误差较小,表明本学习算法是切实可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡自兴	中南大学信息科学与工程学院	393	7036	40.0	69.0
2	文敦伟	中南大学信息科学与工程学院	19	136	6.0	11.0