基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)訓練算法研究論文 　　摘　要: 　本文提出了基于連接結(jié)構(gòu)優(yōu)化的粒子群優(yōu)化算法(SPSO) 用于神經(jīng)網(wǎng)絡(luò)訓練,該算法在訓練神經(jīng)網(wǎng)絡(luò)權(quán) 值的同時優(yōu)化其連接結(jié)構(gòu),刪除冗余連接,使神經(jīng)網(wǎng)絡(luò)獲得與模式分類問題匹配的信息處理能力. 經(jīng)SPSO 訓練的神經(jīng) 網(wǎng)絡(luò)應(yīng)用于Iris ,Ionosphere 以及Breast cancer 模式分類問題,能夠部分消除冗余分類參數(shù)及冗余連接結(jié)構(gòu)對分類性能 的影響. 與BP 算法及遺傳算法比較,該算法在提高分類誤差精度的同時可加快訓練收斂的速度. 仿真結(jié)果表明,SPSO是有效的神經(jīng)網(wǎng)絡(luò)訓練算法

點擊標簽查看更多相關(guān)資源：