针对近似建模的前馈神经网络训练算法

• 作者: 任远 白广忱
• 来源期刊: 工程设计学报
• 学科: 工学
• 关键词: 近似模型 神经网络 反向传播 遗传算法
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 机电一体化和智能化系统设计理论、方法与技术
• 页码范围: 122-128
• 页数: 7页
• 分类号: TB115|TP183
• 字数: 5530字
• 语种: 中文
• DOI: 10.3785/j.issn.1006-754X.2009.02.010

摘要

为克服现有神经网络训练算法在建模精度方面的不足,提出了一种专门面向近似建模的前馈网络训练算法--GA-BP贝叶斯算法.该算法以提高网络的泛化性能为主旨,以获取对应于后验分布最大值的权值向量为训练目标,并采用遗传算法和L-M(Levenberg-Marquardt)BP算法相结合的权值搜索策略.其中,L-M BP算法是当前最流行的前馈网络训练算法.结合一个典型算例,对GA-BP贝叶斯算法和L-M BP算法进行了对比研究.结果表明:与L-M BP算法相比,GA-BP贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白广忱	北京航空航天大学能源与动力工程学院	97	761	16.0	21.0
2	任远	北京航空航天大学能源与动力工程学院	15	121	6.0	11.0