ACO-BP在神经网络训练中的研究与应用

• 作者: 王鸽 蒲蓬勃
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 蚁群优化 反向传播 神经网络
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 136-140
• 页数: 5页
• 分类号: TP311
• 字数: 4327字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.12.037

摘要

针对神经网络收敛速度慢、易于陷入局部最优等问题,可将蚁群算法与人工神经网络相融合的方法来解决,但容易出现训练时间与训练精度、泛化能力之间的矛盾.为解决上述矛盾,提出将蚁群优化算法与反向传播算法相融合共同完成神经网络训练的方法.算法首先采用蚁群优化算法对网络权值进行整体寻优,克服反向传播算法容易陷入局部最优的不足再以找到的较优的权值为初值,采用反向传播算法做进一步的寻优,克服单一训练网络时间较长、精度不高的缺点.最后对ACO-BP与反向传播算法进行了比较,给出两种算法在不同隐结点数目下的检验误差值和两种网络在矿选指标中的应用效果.通过对实验结果的分析.表明ACO-BP算法要优于反向传播算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鸽	山东科技大学信息工程系	8	47	3.0	6.0
2	蒲蓬勃	山东科技大学信息工程系	14	62	4.0	7.0