改进粒子群算法对bp 神经网络的优化 - 计算机系统应用.pdfVIP

2010 年 第 19卷 第 2 期 计 算 机 系 统 应 用 ① 改进粒子群算法对BP 神经网络的优化 沈学利 张红岩 张纪锁 (辽宁工程技术大学 电子与信息工程学院 辽宁 葫芦岛 125105) 摘 要: 介绍一种基于改进粒子群算法优化 BP 网络的权值调整综合方法。该算法在传统BP 算法的误差反传 调整权值的基础上，引入粒子群算法的权值修正，并且在训练神经网络权值的同时优化其连接结构， 删除冗余连接，从而建立了基于粒子群算法优化的 BP 网络新模型。结果表明，改进算法不仅可以克 服传统 BP 算法收敛速度慢和易陷入局部权值的局限，而且很大程度地提高了结果精度和BP 网络学 习能力。 关键词: 粒子群算法；惯性权值；神经网络；BP 算法；优化 Improved Particle Swarm Optimization Algorithm SHEN Xue-Li, ZHANG Hong-Yan, ZHANG Ji-Suo (School of Electronic and Information Engineering, Liaoning Technical University, Huludao 125105, China) Abstract : A new method to adjust weights of BP network is proposed. The new model is based on the weight adjustments of traditional BP algorithm by tuning the structure and connection weights of BP network and improved particle swarm optimization simultaneously. The result shows that the improved algorithm can not only overcome the limitations in both the slow convergence and the local extreme values of traditional BP algorithm ，but also improve the precision of the result and the learning ability greatly. Keywords: particle swarm optimization ; inertia weight; neural networks; back propagation arithmetic; optimization 粒子群优化算法(Particle Swarm Optimiza- BP 网络是一种有效的自学习神经网络，具有一些 tion, PSO)最初是由 Eberhart 博士和 kennedy 博士 独特的性质：信息的分布式存储和并行处理，具有自 于 1995 年提出并成功地用于函数优化[1] ，后来又进 组织、自学习能力等，已经被广泛应用于模式识别、 行了有效的拓展，是计算智能领域除蚁群优化算法 知识工