蚁群算法优化前向神经网络的一种方法
- 格式:pdf
- 大小:174.26 KB
- 文档页数:3
学模 型 , 大 量 的 处 理 单 元 ( 经 元 ) 连 而 成 , 神 经 元 联 结 由 神 互 是 形式 的数 学 抽 象 , 一个 大 规 模 的 非 线 性 自适 应 模 型 。人 工 神 是
经 网 络 具 有 高 速 的 运 算 能 力 . 强 的 自学 习能 力 、 很 自适 应 能 力
文 章 编 号 1 0 — 3 1 ( 0 6 2 — 0 3 0 文献 标 识 码 A 0 2 8 3 一 2 0 )5 05 — 3 中 图分 类 号 T 1 P8
Th e Op i i a i n o e d Fo wa d Ne r l Ne wo k s d o t z to f F e — r r u a t r s Ba e n m
r b sn s n o d go a sr g n yI a s h ws t a A s i s n i v o i i a v l e . o u t e s a d g o lb l a t n e c . lo s o h t AC i n e st e t n t l au s i t i i Ke wo d : a t c ln ag r h ,e d f r a e r ln t r s r n o s a c y rs n oo y l o t m f e - o i w r n u a ewo k ,a d m e r h d
维普资讯
Байду номын сангаас
蚁群算法优化前 向神经 网络的一种方法
王 晶
( 北 电力 大 学计 算机 科 学与技 术 系 , 华 河北保 定 0 1 0 ) 7 0 3
E ma lf l u 1 21 1 6 c m — i : l n 2 @ 2 .o as
摘
要
蚁群算法( C 是一种新型的寻优策略 , A A) 此文章 尝试将蚁群 算法用于三层前 向神经 网络的 学习过程 , 建立 了相
An l n g rt m t Coo y Al o ih
W ANG ig Jn
( r hn lcr o e nvri o p trS in e a d T c nlg , a dn , e e 0 0 ) Not C ia Ee tc P w rU iesy C m ue ce c n eh o y B o ig H b i 7 3 h i t o 1 0
Ab ta t n o n lo tm( C sr c :A tC l y A gr h A A)i a n v l pi i n t d p o o e a l. n A tC l y A g rh A A)fr o i s o e o t z g me o rp s d lt y n o n lo tm( C m i h e A o i o
应 的 优 化 模 型 , 行 了 实 际 的编 程 计 算 , 与 加 动 量 项 的 B 进 并 P算 法 、 化 算 法 以 及模 拟 退 火 算 法 进 行 比较 , 果 表 明 A A 演 结 C 具 有 更 好 的全 局 收 敛性 , 棒 性 强 , 鲁 以及 对 初 值 不敏 感 等特 点 。 关 键 词 蚁 群 算 法 前 向神 经 网络 随机 搜 索
l 引 言
人 工 神 经 网络 【 A N) 大脑 及 其 活 动 的 一 个 理 论 化 的数 N 是  ̄ (
算 法 正 是 充 分 利 用 了这 样 的优 化 机 制 , 通 过 个 体 之 间 的信 息 即
交 流 与 相 互 协 作 最 终 找 到最 优 解 , 它 具 有 很 强 的 发 现较 优 解 使 的能 力 。虽 然 单 个 蚂 蚁 的能 力 非 常有 限 , 多个 蚂 蚁 构 成 的 群 但 体 具 有 找 到 蚁 穴 与 食 物 之 间最 短 路 径 的 能 力 , 种 能 力 是 靠 其 这 在 所 经 过 的路 径 上 留下 的一 种挥 发 性 分 泌 物 (h rm n ) 实 p e oe 来 o
和非 线 性 映射 能 力 以及 良好 的容 错 性 . 因而 它 在 模 式 识 别 、 图
现 的。 蚂蚁 个 体 间通 过这 种信 息 的 交 流 寻 求 通 向食 物 的最 短 路 径 。文 献 【】 计算 实例 表 明 该算 法具 有 良好 的 收敛 速 度 , 得 5的 且
t e p i z t n f f e f r a d e r l ewo k a d mo e b s d n h s h o tmiai o e d— o w r n u a n t r s n a o d l a e o t i me h d r p e e t d n h s a e - t o a e r s n e i t i p p r Co a e wi t e Ba k - r p g t n mp rd t h h c p o a ai Alo t m a d d mo n u , e e ou i n r Alo t m a d h S muae o grh i d e me t m t v l t a y h o grh i n t e i lt d
An e l g Al o t m , p i z t n e u t o e d fr ad e r l e wo k b A d mo s a e t a n ai g r h o t n i miai rs l f f e - o r n u a n t r s y AC o w e n t t s h t AC h s srn r A a a t g o