一种基于高维粒子群算法的神经网络结构优化研究

• 作者: 黄余
• 来源期刊: 现代电子技术
• 关键词: 高维BP神经网络 粒子群算法 神经网络 结构优化
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 测试?测量?自动化
• 页码范围: 157-159,163
• 页数: 4页
• 分类号: TN711-34|TP311
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2017.03.043

摘要

为克服传统BP神经网络在运算过程的不足，提出一种基于高维粒子群算法的神经网络优化方法。通过在高维PSO算法中引入随机变化的加速常数来获得最优权值，对BP神经网络进行优化和训练，再将优化好的高维BP神经网络运用到交通事件自动检测中，通过检测训练算法，并对训练后的数据进行分类测试，把分类测试的结果与传统BP神经网络和经典事件检测算法比较。结果显示，经过优化后的高维粒子群BP神经网络的检测率、算法性能均优于BP神经网络算法和经典算法，其中97，50个测试样本中仅有2个测试样本与应该达到的数值不一致，其他样本都满足测试要求，并且平均优化测试时间是传统BP神经网络检测时间的一半，因此，优化后的BP神经网络算法的性能十分优越。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄余	重庆大学计算机学院	39	8	2.0	2.0