一种提高前向神经网络泛化性能的新算法.pdf

第35卷第5期 信息与控制 V01．35．No．5 2006年10月 InfbHrIationandControl 0cI．．2006 文章编号：1002明．11(2006)05旬574_05 一种提高前向神经网络泛化性能的新算法 吴建生1，金 龙2，杨善朝3 (1．柳州师范高等专科学校数学与计算机科学系，广西柳州545004；2．广西气象减灾研究所，广西南宁530022 3．广西师范大学数学科学学院，广西桂林541004) 摘要：提出了一种利用遗传算法优化前向神经网络的结构和正则项系数的混合学习算法．将该方法与 附加动量的BP算法、固定正则项系数神经网络方法进行比较．数值结果显示该方法具有精度高、学习收敛速 度快和泛化能力高等优点． 关键词：神经网络；遗：々算法；正则项系数；泛化能力 中图分类号：TPl83 文献标识码：A ANew to theGeneraUzationof AlgorithmImproVe Ability Feed．forwardNeuralNetworks ‘ WU Shan—cha03 Jian·shen91，JINLon92，YANG (1．D印Ⅱ九脚眦矿讹m概￡协n蒯Co唧merSc据nce，如幽oun。如e巧cof如伊，“u小oⅡ545004，吼inn； 2．胁幽“e矿G眦“影i肘以∞rozog池zD厶珊￡e”删t咖￡】!on，№肌垤530022，傩inn； 3．coz如萨矿讹f^emn￡如scl!ewe，Gun，够iⅣ0r啪2‰i挑砧氓CH龇54l004，吼i胍) Abstract：A is inwhich areusedto boththenet- hybridleamingapproachpresentedgeneticalgorithms op“mize workarchitectureandthe coe岱cient． ismade this regul撕zation Comparisonamongappmach，theback—propagation withmomentumte肿andtheBP withfixed coemcient．Numericalresults (BP)algorithm algorithm regularization demonsh．atethat isof and the pmposedapproachhighlycomputationalaccuracy，quicklyconvergentspeed， high generalizationcapability． Keywords：neural network；geneticalgorithm；reg