首页|一种蚁群算法优化的BP神经网络技术研究

一种蚁群算法优化的BP神经网络技术研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
BP神经网络被广泛用于分类与回归问题,对初值选取较敏感,易陷入局部最优;ACO-BP算法可用于改进神经网络的训练,提升全局寻优能力,但训练中网络预测性能易出现抖动.基于ACO-BP算法,引入核光滑方法,采用自适应信息素挥发率,优化神经网络的训练.使用四折交叉验证方法,将ACO-BP算法、BP算法与改进ACO-BP算法,应用于UCI数据库中三组数据集进行验证.改进算法的收敛速度与ACO-BP算法相近;对复杂问题预测性能显著优于ACO-BP算法.实验结果表明,与ACO-BP算法相比,改进ACO-BP算法在加速网络收敛的同时,具有较强的鲁棒性与全局寻优能力.
Research on BP Neural Network Technology of Ant Colony Algorithm Optimization

徐益民、杨余旺、郭利强

展开 >

南京理工大学计算机科学与工程学院 南京 210094

淮海工业集团 长治 046000

人工神经网络 蚁群算法 混合算法 神经网络训练 启发式信息

2022

10.3969/j.issn.1672-9722.2022.11.005

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(11)
  • 1
  • 2