神经网络优化方法及终端设备.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111461327 A (43)申请公布日 2020.07.28 (21)申请号 202010250379.7 (22)申请日 2020.04.01 (71)申请人 河北工程大学 地址 056038 河北省邯郸市经济开发区太 极路19号 (72)发明人 黄伟建　张剑　 (74)专利代理机构 河北国维致远知识产权代理 有限公司 13137 代理人 谢茵 (51)Int.Cl. G06N 3/08(2006.01) G06N 3/04(2006.01) G06N 3/00(2006.01) 权利要求书3页 说明书8页 附图2页 (54)发明名称 神经网络优化方法及终端设备 (57)摘要 本发明适用于人工智能技术领域，提供了一 种神经网络优化方法及终端设备，上述方法包 括：构建神经网络模型；采用粒子群算法确定神 经网络模型的最佳权值和最佳阈值；将最佳权值 和最佳阈值作为初始值对神经网络模型进行初 始化，得到优化后的神经网络模型。本发明通过 粒子群算法对神经网络模型的权值和阈值进行 优化，得到最优的权值和阈值。对采用最优权值 和阈值的神经网络模型训练可以达到全局最优， 不易陷入局部极小点的问题，收敛速度快，预测 精度高，神经网络模型的性能得到了极大的提 升。 A 7 2 3 1 6 4 1 1 1 N C CN 111461327 A 权　利　要　求　书 1/3页 1.一种神经网络优化方法，其特征在于，包括： 构建神经网络模型； 采用粒子群算法确定所述神经网络模型的最佳权值和最佳阈值； 将所述最佳权值和所述最佳阈值作为初始值对所述神经网络模型进行初始化，得到优 化后的神经网络模型。 2.如权利要求1所述的神经网络优化方法，其特征在于，所述采用粒子群算法确定所述 神经网络模型的最佳权值和最佳阈值，包括： 随机生成若干个体，产生父代粒子群；每个个体对应所述神经网络模型的一组权值和 阈值； 计算所述父代粒子群中各个粒子的适应度； 选取所述父代粒子群中目标粒子的适应度和所述目标粒子的个体最优位置的适应度 中的较大值作为所述目标粒子的个体极值；所述目标粒子为所述父代粒子群中的任意一个 粒子； 选取所述父代粒子群中各个粒子的适应度和所述父代粒子群的群体最优位置的适应 度中的最大值作为所述父代粒子群的局部极值； 根据所述个体极值及所述局部极值更新粒子的位置和速度，生成子代粒子群，将所述 子代粒子群作为下一次迭代的父代粒子群，并更新学习因子及惯性因子； 若当前迭代次数达到预设的最大迭代次数，则输出最佳权值和最佳阈值； 若当前迭代次数未达到所述预设的最大迭代次数，则跳转至所述计算所述父代粒子群 中各个粒子的适应度的步骤循环执行。 3.如权利要求2所述的神经网络优化方法，其特征在于，所述学习因子更新的公式为： c ＝c ＝2.5 1_start 2_end c ＝c ＝0.5 2_start 1_end 其中，c 为第k次迭代时的第一学习因子，c 为第一预设参数，c 为第二预设参 1k 1_start 1_end 数；c 为第k次迭代时的第二学习因子，c 为第