基于MAPSO算法的小波神经网络训练方法研究

• 作者: 唐雪琴 徐宗昌 李博 王侃 黄书峰
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 粒子群 小波神经网络 多粒子信息共享 自适应惯性权重 早熟收敛
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 608-612
• 分类号: TP391.9
• 语种: 中文

摘要

为提高小波神经网络（Wavelet Neural Network,WNN）的建模质量,针对标准粒子群（Particle Swarm Optimization,PSO）算法优化WNN存在的早熟和局部收敛问题,提出一种基于多粒子信息共享（Multi-particle information share）和自适应惯性权重（Adaptive inertia weight）策略的PSO方法（MAPSO）用于WNN训练。多粒子信息共享采用多粒子信息来修正各粒子下一次的行动策略,以降低粒子陷入局部最优的可能性;惯性权重自适应调整根据群体早熟收敛程度,按个体适应度自适应调整惯性权重,以使陷入局部最优粒子跳出。同时,给出了算法实现的基本流程。仿真结果表明MAPSO算法既具有PSO算法的简捷性,又能够提高WNN学习速度和精度及全局搜索能力,是小波网络的有效训练方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐宗昌		130	702	13.0	19.0
2	王侃	河南经贸职业学院信息管理系	10	33	4.0	5.0
3	黄书峰		6	22	3.0	4.0
4	李博		3	16	2.0	3.0