基于全局和局部搜索的整型权值神经网络混合学习算法

• 作者: 卢金鑫
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 整型权值 浮点型权值 神经网络 差分进化算法 模式搜索 嵌入式系统
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 算法
• 页码范围: 287-292
• 页数: 6页
• 分类号: TP183
• 字数: 5686字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.02.077

摘要

提出基于全局搜索（差分进化算法）和局部搜索（模式搜索）的混合型神经网络学习算法（DEPS），并采用查找逼近法对sigmoid函数进行优化。实验部分采用曲线逼近和纱线图片分类两个实验，并与基本差分进化算法（ODE）和可再生动态差分进化算法（RDDE）在算法效率和性能进行对比、验证，说明算法的有效性。最后对整型和浮点型神经网络进行速度测试比较，说明整型权值神经网络在计算速度上远远快于浮点型权值神经网络。经算法训练后的神经网络更适合于结构精简、速度快的嵌入式系统。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢金鑫	杭州电子科技大学智能与软件技术研究所	1	1	1.0	1.0