基于改进遗传算法的多示例神经网络优化

• 作者: 孙国荣 李枚毅 蔡自兴
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 多示例神经网络 多示例学习 遗传算法
• 年，卷（期）: 2005,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 2387-2389,2412
• 页数: 4页
• 分类号: TP18
• 字数: 5260字
• 语种: 中文

摘要

为了提高预测准确性,构造了一类优化多示例神经网络参数的改进遗传算法,借助基于反向传播训练的局部搜索算子、排挤操作和适应性操作概率计算方式来提高收敛速度和防止早熟收敛.通过公认的数据集上实验结果的分析和对比,证实了这个改进的遗传算法能够明显地提高多示例神经网络的预测准确性,同时还具有比其他算法更快的收敛速度.

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	李枚毅	中南大学信息科学与工程学院	11	98	5.0	9.0
3	孙国荣	中南大学信息科学与工程学院	9	62	4.0	7.0