混合粒子群优化算法优化前向神经网络结构和参数

• 作者: 唐贤伦 庄陵 曹长修 李银国
• 来源期刊: 计算机应用研究
• 关键词: 粒子群优化 神经网络 故障诊断 遗传算法
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 研究探讨
• 页码范围: 91-93
• 页数: 3页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.12.027

摘要

提出了综合利用粒子群优化算法(PSO)和离散粒子群优化算法(D-PSO)同时优化前向神经网络结构和参数的新方法.该算法使用离散粒子群优化算法优化神经网络连接结构,用多维空间中0或1取值的粒子来描述所有可能的神经网络连接,同时使用粒子群优化算法优化神经网络权值.将经过该算法训练的神经网络应用于故障诊断,能够有效消除冗余连接结构对网络诊断能力的影响.仿真试验的结果表明,相比遗传算法等其他算法,该算法能够有效改善神经网络结构和参数的优化效率,提高故障模式识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹长修	重庆大学自动化学院	162	2835	26.0	47.0
2	李银国	重庆邮电大学自动化学院	46	527	13.0	21.0
3	唐贤伦	重庆大学自动化学院	9	160	5.0	9.0
7	庄陵	重庆大学自动化学院	43	234	7.0	14.0