Copula EDA与BP结合优化神经网络

• 作者: 刘洁 王丽芳
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: copula分布估计算法 BP算法 神经网络 优化
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 计算机与信息科学
• 页码范围: 28-33
• 页数: 6页
• 分类号: TP183
• 字数: 5517字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2014.01.006

摘要

分布估计算法是一种新的种群进化算法,通过建立概率模型得到新的个体,copula分布估计算法是将copula理论与分布估计算法结合,提高估计的精确性和效率.针对分布估计算法全局收敛的特点,与BP算法结合可以避免BP算法易陷入局部极值点的缺陷,同时可以使优化结果更加精确.本文采用copula EDA与BP算法的两种结合模式来优化神经网络的权值和阈值,并且比较两种结合模式.可以得出,copula分布估计算法与BP算法融合可以提高收敛速度和精确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洁	太原科技大学复杂系统与计算智能实验室	27	82	5.0	8.0
2	王丽芳	太原科技大学复杂系统与计算智能实验室	20	200	7.0	14.0