基于切片模型的快速混合学习算法

• 作者: 杨博 王亚东 苏小红
• 来源期刊: 哈尔滨工业大学学报
• 学科: 工学
• 关键词: BP算法 人工神经网络 遗传算法 饱和区域 局部最优
• 年，卷（期）: 2006,（5）
• 页码范围: 685-688
• 页数: 4页
• 分类号: TP18
• 字数: 4036字
• 语种: 中文
• DOI: 10.3321/j.issn:0367-6234.2006.05.006

摘要

针对传统BP神经网络训练收敛速度慢、易陷入局部极小点的问题,将遗传算法与误差放大的BP学习算法相结合,提出基于切片模型的快速混合学习算法.该算法通过将传统神经网络的训练过程划分为许多小的训练切片,并利用遗传算法的并行寻优特性,对采用误差放大的BP训练过程进行监督.通过及时发现收敛速率较快的个体和过滤陷入局部极小点的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真实验表明,该算法在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚东	哈尔滨工业大学计算机科学与技术学院	92	1036	16.0	29.0
2	苏小红	哈尔滨工业大学计算机科学与技术学院	152	1551	20.0	34.0
3	杨博	哈尔滨工业大学计算机科学与技术学院	18	233	7.0	15.0