基于GEP的层次有序BP神经网络优化_查本波论述.pdf

年 月 广西师范学院学报 自然科学版 ２０１５ ３ 　　　　　　　　　　　　　 ： Ｍａｒ．２０１５ 第 卷 第 期 ３２ １ 　　　　　Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｘｉ　Ｔｅａｃｈｅｒｓ　Ｅｄｕｃａｔｉｏｎ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ　 Ｖｏｌ．３２　Ｎｏ．１ 文章编号 ：１００１－８７４３（２０１５）０１－００６３－０８ 基于 ＧＥＰ的层次有序 ＢＰ神经网络优化 查本波 王汝凉 罗 琨 曲宏锋 王 磊 ， ， 　 ， ， 　 （广西师范学院 计算机与信息工程学院，广西 ??宁 ５３００２３） 摘 要 神经网络 因其自适应性 容错性和较强的泛化能力而得到广泛的研究及应用 但在实际 　 ：ＢＰ （ＢＰ－ＮＮ） 、 ， 应用中，却常常出现收敛速度慢、易陷入局部最优等问题．该文的新算法利用基因表达式编程（ＧＥＰ）具有的良好全 局搜索能力，对神经网络结构、权值及阈值进行优化；结合反向传播算法（ＢＰ）的局部搜索能力，有效提高了神经网 络的性能；针对传统 ＧＥＰ设计神经网络会使网络结构失去层次性的问题，提出基于增加结构域染色体编码方法的 层次有序 神经网络优化算法 保证网络结构层次有序符合人脑分层处理模型 最后 通过仿 ＧＥＰ ＢＰ （ＧＥＰＯ－ＮＮ）， ： ， 真实验对比 和遗传算法 对 神经网络的优化性能 结果表明 有明显的性能提高 ＧＥＰ （ＧＡ） ＢＰ ． ，ＧＥＰＯ－ＮＮ ． 关键词：基因表达式编程；ＧＥＰ；ＢＰ神经网络；神经网络优化；层次有序 中图分类号 文献标识码 ：ＴＰ１８３　　 ：Ａ 引 言 ０　 　 进化计算和人工神经网络都是基于自然生物理论提出的人工智能方法，由于在应用中所表现的优 越性能而成为人工智能两个重要的研究和应用领域［１］．两种算法都具有通用性，广泛地应用到各种领域 的问题上．又因它们特殊的结构，具有良好的并行性和非线性，很适合大规模问题的求解，因而得到更广 泛的研究和应用． 人工神经网络是一种模拟人脑信息处理方式的非线性自适应信息处理系统．它由大量的结构和功 能相对简单的神经元相互连接而成，具有良好的自适应性、非线性、并行性和鲁棒性．１９４３年，美国心理 学家 和数学家 提出了 神经元模型 年 提出了第 Ｗ．Ｓ．ＭｃＣｕｌｌｏｃｈ Ｗ．Ａ．Ｐｉｔｔｓ Ｍ－Ｐ ；１９５８ ，Ｒｏｓｅｎｂｌａｔｔ 一个真正意义上的可以学习的神经网络———感知器；之后，经历了１０年的低迷，到了２０世纪８０年代迎 来了 研究的第二次高潮 年提出了 神经网络模型