基于改进的PSO算法的神经网络相关性剪枝优化

• 作者: 涂娟娟 詹永照 韩飞
• 来源期刊: 计算机应用研究
• 关键词: 神经网络 剪枝 微粒群优化算法
• 年，卷（期）: 2010,（9）
• 页码范围: 3253-3255
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.09.013

摘要

针对传统的神经网络训练算法收敛速度慢、易陷入局部最优的问题,提出了一种基于改进的分期变异微粒群优化算法(SMPSO)的神经网络相关性剪枝优化方法.SMPSO在初期使适应度过低的微粒发生变异,在后期使停滞代数过高的个体极值和全局极值发生变异,后将SMPSO用于优化神经网络相关性剪枝算法.实验结果表明,该方法与采用BP算法及标准PSO算法进行相关性剪枝相比,在训练收敛速度、剪枝效率及分类正确率三方面都有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹永照	江苏大学计算机科学与通信工程学院	189	1744	21.0	31.0
2	韩飞	江苏大学计算机科学与通信工程学院	24	134	6.0	10.0
3	涂娟娟	江苏大学计算机科学与通信工程学院	11	71	5.0	8.0