遗传前馈神经网络在函数逼近中的应用

• 作者: 杨新艳 赵鹤鸣 陈小平
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 遗传算法 人工神经网络 函数逼近
• 年，卷（期）: 2008,（20）
• 所属期刊栏目: 博士论文
• 页码范围: 24-25,28
• 页数: 3页
• 分类号: TP301.6
• 字数: 3215字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.20.009

摘要

人工神经网络具有高计算能力、泛化能力和非线性映射等特点,被成功应用于众多领域,但缺乏用于确定其网络拓扑结构、激活函数和训练方法的规则.该文提出利用遗传算法优化前馈神经网络的方法,将网络结构、激活函数和训练方法等编码作为个体,发现最优或次优解,针对特定问题没计较理想的前馈神经网络.介绍遗传算法的具体步骤,对非线性函数逼近进行实验,结果表明优化后前馈神经网络的性能优于由经验确定的前馈神经网络,验证了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵鹤鸣	苏州大学电子信息学院	140	1024	17.0	23.0
2	陈小平	苏州大学电子信息学院	88	866	15.0	24.0
3	杨新艳	苏州大学电子信息学院	5	40	4.0	5.0