共查询到20条相似文献,搜索用时 93 毫秒
1.
本文首先简要描述了粒群算法一般形式,然后讨论了该算法的应用、发展和展望以及改进优化,然后介绍了一种基于压缩空间的CSV2PSO算法,给出了该算法的详细介绍以及和其它粒群算法的数值比较分析,它提高了粒群算法的收敛速度和收敛精度,降低了早熟收敛的比率,具有广阔的应用前景. 相似文献
2.
3.
针对标准BP算法收敛速度慢及易陷入局部极值等问题,提出一种基于粒子群优化与BP混合算法的神经网络学习方法。该方法在网络的训练过程中,同时利用粒子群算法与BP算法进行最优网络权值的搜索,从而既充分利用了粒子群算法的全局搜索性又较好地保持了BP算法本身的反向传播特点。将该混合学习算法应用于复杂函数的拟合仿真,并与标准BP算法以及传统的粒子群优化BP神经网络学习算法进行比较。实验结果表明所提的混合学习算法具有较高的收敛精度,且收敛速度更快。 相似文献
4.
保证抗体的多样性是入侵检测免疫系统成功的关键。该文就此问题开展研究,将粒群优化算法引入抗体的生成,提出了一种基于粒群优化机理的多样性抗体生成算法。模拟实验结果表明利用这一算法生成的抗体的多样性以及算法的收敛速度都令人满意。 相似文献
5.
针对标准BP算法易陷入局部极值及收敛速度慢等问题,提出一种基于粒子群优化与BP算法的协同神经网络学习方法。该方法在网络的学习过程中,同时利用PSO优化算法与BP算法进行最优网络权值的协同搜索,从而充分利用粒子群算法的全局搜索性及BP算法的反向传播特点。将该算法应用于4个复杂函数的拟合仿真,并与标准BP算法以及传统的粒子群优化BP神经网络算法进行比较。实验结果表明所提的协同算法的性能优于传统的BP网络优化算法。 相似文献
6.
7.
针对BP神经网络学习算法收敛速度慢、易陷入假饱和状态的问题,提出了一种快速收敛的BP算法。该算法通过修改激励函数的导数,放大误差信号来提高收敛性。给出了改进算法的收敛性分析并在实验仿真中将改进算法同时与标准BP算法和NG等人的改进算法进行比较。仿真结果表明,该算法在收敛速度方面大大优于另外两种算法,有效地提高了BP算法的全局收敛能力。 相似文献
8.
一种基于放大误差信号的自适应BP算法 总被引:1,自引:0,他引:1
针对标准BP算法受饱和区域影响而导致收敛速度慢的问题,提出一种基于放大误差信号的自适应BP算法,该算法通过修改激励函数的导数,使权值的修正过程不会因饱和区域而趋于停滞,并分析了改进算法的收敛性。仿真结果表明,改进的BP算法加快了收敛速度,并在一定程度上提高了全局收敛能力。 相似文献
9.
对粒群优化算法进行了改进,提出了一种微粒群优化和视觉感应相结合的图像增强方法,通过微粒群算法优化灰度图像的平均明暗信息熵差值,自适应地选择图像灰度转换函数,用以实现图像的增强。该方法不仅参数个数少,优化速度快,在搜索能力上优于粒群优化算法,而且能够保证算法的全局收敛性。仿真实例证明了该方法在图像增强上的有效性和优越性。 相似文献
10.
11.
12.
基于粒子群优化的BP网络学习算法 总被引:25,自引:0,他引:25
本文提出一种新颖的基于粒子群优化的BP网络学习算法,该算法是一种全局随机优化算法。用Iris分类问题,将所提出的算法与BP算法作了对比实验。实验结果表明:所提出的算法性能优于BP算法,而且具有良好的收敛性。 相似文献
13.
对于医学图像而言,其分割结果的准确性对医生诊断病情并给出正确的治疗方案至关重要。应用传统的BP神经网络对医学图像进行分割,存在对初始权重值敏感、学习速率固定、收敛速度慢和易陷入局部极小值等问题。因此,提出了一种基于改进的粒子群优化算法的BP 神经网络的医学图像分割方法。首先,应用粒子群优化算法与BP神经网络的映射关系,通过粒子群强大的搜索功能找到最佳适应函数,使对应的BP神经网络的均方误差达到最小值,克服了BP 神经网络产生多个局部最小值的可能;其次,确定粒子的最佳位置后,在BP神经网络学习中获得最合理的权值和偏置值,以提高网络的收敛速度;最后,BP神经网络经反复训练后,获得最佳输出值,并计算阈值,通过阈值来分割图像区域。实验结果表明,利用改进的算法能够得到更清晰的图像分割效果,提高了图像的分割精度,对临床的诊断也具有重要参考意义。 相似文献
14.
改进的粒子群优化算法 总被引:1,自引:0,他引:1
将基本粒子群算法粒子行为基于个体极值点和全局极值点变化为基于个体极值中心,并且按一定概率选择其他粒子的个体极值点,设计了一种新的粒子群优化算法.新算法的学习行为符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解.实验结果表明了算法的有效性. 相似文献
15.
粒子群优化算法是基于群体智能理论的全局优化算法,它通过种群中粒子间的合作与竞争,对解空间进行智能搜索,从而发现最优解。其优势在于操作简单,容易实现。文中对一种新的算法PSO-BP进行了研究,该充分发挥了粒子群算法的全局寻优能力和BP算法的局部搜索优势,并与BP算法一起对44像素的英文字母进行识别比较。实验表明,将粒子群算法用于神经网络的优化,收敛速度更快,预测精度更高,而且算法简单,且对更高像素的英文字母识别同样适用。 相似文献
16.
基于PSO和BP复合算法的模糊神经网络控制器 总被引:1,自引:0,他引:1
为了克服单独应用粒子群算法(PSO)或BP算法训练模糊神经网络控制器参数时存在的缺陷,提出了一种训练模糊神经网络参数的PSO+BP算法。该算法将二者相结合,即在PSO算法中加入一个BP算子,以充分利用PSO算法的全局寻优能力和BP算法的局部搜索能力,从而更有效地提高其收敛速度、训练效率和提高该模糊神经网络控制器的控制效果。最后的仿真实验结果验证了该基于PSO+BP复合算法的模糊神经网络控制器的有效性和可行性。 相似文献
17.
确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,是目前研究热点之一.提出了一种充分结合量子粒子群优化算法QPSO(Quantum-behaved partide swarm optimization algorithm)和BP网络学习算法各自优点的混合智能算法HQBA,并将其引入到模糊Petri网的参数寻优过程.仿真实例表明,这种混合算法计算简单,收敛速度快,能够明显减少迭代次数,具有更好的全局收敛性能.由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应性. 相似文献
18.
带组织的粒子群优化同步并行算法 总被引:1,自引:0,他引:1
提出带组织的粒子群优化同步并行算法.粒子群优化算法是一种基于群体智能的演化算法,具有良好的优化性能.但由于群体的迅速收敛和多样性低,导致算法早熟收敛.带组织的粒子群优化同步并行算法虽然克服了早熟收敛问题,但无形中却增加了计算时间.结合已有的并行计算技术,构造出了该方法的同步并行计算算法,仿真试验证明并行算法具有更快的收敛速度. 相似文献
19.