一种基于量子粒子群的过程神经元网络学习算法

• 作者: 刘志刚 李盼池 杜娟
• 来源期刊: 信息与控制
• 关键词: 过程神经元网络 量子粒子群 网络训练 算法设计
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 174-179
• 分类号: TP183
• 语种: 中文
• DOI: 10.3724/SP.J.1219.2012.00174

摘要

针对过程神经元网络模型学习参数较多,正交基展开后的BP算法计算复杂、不易收敛等问题,提出了一种基于双链结构的量子粒子群学习算法.该算法用量子比特构成染色体,对于给定过程神经元网络模型,按权值参数的个数确定量子染色体的基因数并完成种群编码,通过量子旋转门和量子非门完成个体的更新与变异.算法中每条染色体携带两条基因链,提高了获得最优解的概率,扩展了对解空间的遍历,从而加速过程神经元网络的优化进程.将经过量子粒子群算法训练的过程神经元网络应用于Mackey-Glass混沌时间序列和太阳黑子预测,仿真结果表明该学习算法不仅收敛速度快,而且寻优能力强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志刚	东北石油大学计算机与信息技术学院	33	104	6.0	8.0
2	杜娟	东北石油大学计算机与信息技术学院	31	95	7.0	8.0
3	李盼池	东北石油大学计算机与信息技术学院	93	344	9.0	11.0