基于人工神经网络的船舶风险评价研究

• 作者: 吴汉才
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 人工神经网络 粒子群优化算法 船舶风险评价 评价体系
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 实验室自动化
• 页码范围: 152-154
• 页数: 3页
• 分类号: X92
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2016.08.152

摘要

使用具有强大非线性逼近性能的人工神经网络建立船舶风险模型.由于常规的人工神经网络存在容易陷入局部最优解以及收敛效率和精度低下等问题,同时,人工神经网络的隐含层节点和连接权值等重要参数通常是通过经验公式计算得到,无法保证人工神经网络算法的性能,本文使用双层粒子群优化算法对人工神经网络的隐含层节点数和参数进行优化.首层粒子群优化算法对人工神经网络的隐含层节点数优化,次层粒子群优化算法对人工神经网络的网络权值优化.通过实例对本文研究的基于人工神经网络的船舶风险评价方法进行分析.结果表明:本文研究的改进型人工神经网络的误差逼近过程,效率更高,精度更好,误差更低,更加能够保证预测结果的准确性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴汉才		6	12	2.0	3.0