一种基于粒子群优化的极限学习过程神经网络

• 作者: 刘志刚 李盼池 许少华
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 过程神经元网络 极限学习机 粒子群 Moore-Penrose广义逆 网络训练
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 86-95
• 页数: 10页
• 分类号: TP183
• 字数: 5481字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2016.04.010

摘要

本文针对过程神经元网络(Process Neural Network,PNN)模型学习参数较多,正交基展开后的梯度下降算法初值敏感、计算复杂、不易收敛等问题,结合极限学习机(ExtremeLearning Machine,ELM)的快速学习特性,提出了一种新型的极限学习过程神经元网络.学习过程中摒弃梯度下降算法的迭代调整策略,采用Moore-Penrose广义逆计算输出权值矩阵.同时为弥补极限学习机由于随机赋值造成的不足,利用粒子群算法(Particle SwarmOptimization,PSO)良好的全局搜索能力进行模型参数优化,获得紧凑的网络结构,提高了模型泛化能力.仿真实验以Henon混沌时间序列和太阳黑子预测为例,验证了网络的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志刚	东北石油大学计算机与信息技术学院	33	104	6.0	8.0
2	李盼池	东北石油大学计算机与信息技术学院	93	344	9.0	11.0
3	许少华	山东科技大学信息科学与工程学院	30	56	4.0	5.0