基于改进遗传算法的神经网络优化方法

• 作者: 卿晓霞 杨梅 王波
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 遗传算法 神经网络 误差反向传播算法 污水参数 软测量
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 优化仿真
• 页码范围: 198-201
• 页数: 4页
• 分类号: TP311
• 字数: 4052字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.05.051

摘要

为了克服神经网络反向传播算法收敛速度慢,易陷入局部极小值,初始权值和阈值的选择缺乏依据,具有很大随机性等缺陷,采用基于自适应遗传算法的神经网络优化方法,方法结合了两者的优点,但是仍存在种群早期进化速度慢的缺点,于是提出了一种改进的自适应遗传算法,将其应用于神经网络的权值和阈值的优化设计中,并将此模型用于对某城市污水厂难测参数SVI的预测.仿真结果表明,算法不仅可克服BP算法的缺陷,而且与BP和GA-BP网络模型比较,大大提高了收敛速度与收敛精度,获得了良好的测量效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卿晓霞	重庆大学城市建设与环境工程学院	43	450	12.0	20.0
2	王波	重庆大学计算机学院	86	951	17.0	27.0
3	杨梅	重庆大学计算机学院	14	155	7.0	12.0