混沌粒子群神经网络在非线性函数拟合中的应用研究 |
| |
引用本文: | 孟栋,樊重俊,吴天魁.混沌粒子群神经网络在非线性函数拟合中的应用研究[J].计算机与应用化学,2014(5). |
| |
作者姓名: | 孟栋 樊重俊 吴天魁 |
| |
作者单位: | 上海理工大学管理学院; |
| |
基金项目: | 上海市教育委员会科研创新重点项目(14ZZ131);上海市研究生创新基金资助项目(JWCXSL1302) |
| |
摘 要: | BP神经网络虽然是目前应用最广泛的神经网络模型,但其自身有易陷入局部极小值和收敛速度慢的缺点。本文提出了一种利用混沌粒子群算法来改进BP神经网络。该算法的基本思想是用混沌粒子群算法对BP神经网络的初始权值和初始阈值进行优化。对粒子群算法进行混沌优化,提高粒子群算法的全局搜索能力;用混沌粒子群算法优化后得到的最优解作为BP神经网络的初始权值和阈值。通过对非线性函数的拟合实验,发现改进后的结果与普通的BP神经网络的结果相比,具有更高的准确性,提高了拟合的精度。
|
关 键 词: | 混沌优化 粒子群算法 BP神经网络 人工智能 |
本文献已被 CNKI 等数据库收录! |
|