采用改进的粒子群算法训练CNNE模型

• 作者: 朱敏 杨春玲 王(目柬)来
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: CNNE模型 粒子群 梯度
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 67-72
• 页数: 6页
• 分类号: TP183
• 字数: 4263字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2007.03.013

摘要

提出用人工智能算法--粒子群优化算法(PSO)对CNNE模型进行训练,并针对标准粒子群算法易限于局部极小点的局限性,采用了一种带有梯度加速的粒子群算法,通过引入梯度信息来影响粒子速度的更新.为防止陷入局部最优,在群体最优信息陷入停滞时,对部分粒子进行重新初始化,从而保持群体的活性,减小群体陷入局优的可能性.采用粒子群算法训练的CNNE模型较原来的分布式最速下降法而言,在保证精度的前提下,提高了算法的收敛速度,解决了发射率的在线实时测量问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨春玲	哈尔滨工业大学电气工程及自动化学院	54	329	12.0	15.0
2	朱敏	哈尔滨工业大学电气工程及自动化学院	18	83	5.0	8.0
3	王(目柬)来	哈尔滨工业大学电气工程及自动化学院	1	2	1.0	1.0