基于反传混沌粒子群训练的前馈神经网络研究

• 作者: 朱群雄 林晓勇 董春岩
• 来源期刊: 计算机应用研究
• 关键词: 前馈神经网络 BP网络 粒子群优化 混沌映射
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 120-123,133
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.01.028

摘要

为了解决前馈神经网络训练收敛速度慢、易陷入局部板值及对初始权值依赖性强等缺点,提出了一种基于反传的无限折叠迭代混沌粒子群优化(ICMICPSO)算法训练前馈神经网络(FNNs)参数.该方法在充分利用BP算法的误差反传信息和梯度信息的基础上,引入了ICMIC混沌粒子群的概念,将ICMIC粒子群(ICMICPS)作为全局搜索器,梯度下降信息作为局部搜索器来调整网络的权值和阈值,使得粒子能够在全局寻优的基础上对整个空间进行搜索.通过仿真实验与多种算法进行对比,结果表明在训练和泛化能力上ICMICPSO-BPNN方法明显优于其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱群雄	北京化工大学信息科学与技术学院	151	1425	19.0	26.0
2	林晓勇	北京化工大学信息科学与技术学院	11	79	5.0	8.0
3	董春岩	北京化工大学信息科学与技术学院	1	3	1.0	1.0