文件名称：论文研究-基于反传混沌粒子群训练的前馈神经网络研究.pdf
文件大小：1.2MB
文件格式：PDF
更新时间：2022-08-11 14:31:00
前馈神经网络,BP网络,粒子群优化,混沌映射
为了解决前馈神经网络训练收敛速度慢、易陷入局部极值及对初始权值依赖性强等缺点，提出了一种基于反传的无限折叠迭代混沌粒子群优化（ICMICPSO）算法训练前馈神经网络（FNNs）参数。该方法在充分利用BP算法的误差反传信息和梯度信息的基础上，引入了ICMIC混沌粒子群的概念，将ICMIC粒子群（ICMICPS）作为全局搜索器，梯度下降信息作为局部搜索器来调整网络的权值和阈值，使得粒子能够在全局寻优的基础上对整个空间进行搜索。通过仿真实验与多种算法进行对比，结果表明在训练和泛化能力上ICMICPSO-BPNN方法明显优于其他算法。