随机样本遗传MLP模型算法

• 作者: 尤志宁 浦云明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多层感知机 遗传算法 随机子集 泛化性
• 年，卷（期）: 2015,（21）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 121-127,143
• 页数: 8页
• 分类号: TP301.6
• 字数: 6713字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1501-0043

摘要

提出的SSGAMLP（Small Set Genetic Algorithm Multilayer Perceptron）模型，是针对MLP模型易陷入局部最优，且模型泛化性不好，而遗传算法可以跳出局部最优，但是种群个体数较多，却带来运算复杂度的提高，目的是为了克服以上不足，将遗传算法与MLP模型相结合，将MLP模型节点的向下连接权值看成是低层向高层的映射，因此每个节点（包括权值和阈值）可以看成是一个特征表达，即遗传算法的基因表达，同时个体MLP模型训练使用的随机样本子集以及算法的交叉变异，相当于引入随机因子，存在获得未知特征表达的可能性。实验基于MNIST数据集，印证了SSGAMLP模型在性能上的优势。模型降低了个体运算复杂度，提高了泛化性，在一定程度上克服了过拟合性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	浦云明	集美大学计算机工程学院	28	151	7.0	11.0
2	尤志宁	集美大学计算机工程学院	4	6	2.0	2.0