典型文献
一种蚁群算法优化的BP神经网络技术研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
徐益民;杨余旺;郭利强
作者机构：
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
文献出处：
引用格式：
[1]徐益民;杨余旺;郭利强-.一种蚁群算法优化的BP神经网络技术研究)[J].计算机与数字工程,2022(11):2373-2376,2460
A类：
B类：
蚁群算法优化,神经网络技术,回归问题,初值,局部最优,ACO,改进神经网络,全局寻优,寻优能力,中网,预测性能,抖动,自适应信息素,挥发率,优化神经网络,四折,交叉验证,验证方法,UCI,改进算法,收敛速度,复杂问题,网络收敛,人工神经网络,混合算法,神经网络训练,启发式信息
AB值：
0.399179
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
