基于PSO的BP神经网络学习算法

• 作者: 江丽 王爱平
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 神经网络 反向传播算法 粒子群优化 梯度下降法 函数拟合
• 年，卷（期）: 2012,（21）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 193-196
• 页数: 4页
• 分类号: TP312
• 字数: 4156字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.21.052

摘要

针对标准反向传播(BP)算法收敛速度慢和易陷入局部极值等缺陷,提出一种基于粒子群优化的BP神经网络学习算法.采用标准BP梯度下降法调整权值,利用粒子群优化算法进行网络权值及阈值的修正.将该算法与标准BP算法及传统基于粒子群优化BP网络算法进行仿真比较.实验结果表明,该算法能够克服标准BP算法的缺点,性能优于其他2个BP网络优化模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王爱平	安徽大学计算机科学与技术学院	39	522	11.0	22.0
2	江丽	安徽大学计算机科学与技术学院	7	51	3.0	7.0