改进人工蜂群优化BP神经网络的分类研究
文献类型：期刊论文
| 作者 | 潘福成; 李帅; 韦鹏宇; 杨斌 ; 郑荣; 李默竹; 孙庆刚
|
| 刊名 | 计算机工程与应用
 |
| 出版日期 | 2018 |
| 卷号 | 54期号:10页码:158-163 |
| 关键词 | BP神经网络 分类 泛化能力 人工蜂群 |
| ISSN号 | 1002-8331 |
| 其他题名 | Study on classification of improved artificial bee colony algorithm to optimization of BP neural network |
| 产权排序 | 1 |
| 通讯作者 | 韦鹏宇 |
| 中文摘要 | 针对BP神经网络对初始权重敏感,容易陷入局部最优,人工蜂群算法局部搜索能力和开发能力相对较弱等问题,提出一种基于改进人工蜂群和反向传播的神经网络训练方法。引进差分进化思想改进人工蜂群算法,并对跟随蜂的搜索行为进行更准确的描述。用改进的人工蜂群全局搜索神经网络的初始权重,防止神经网络陷入局部最优。用新的方法对神经网络训练进行分类。实验结果表明,该算法相对于标准的BP神经网络,有效提高了分类正确率,泛化能力较强。 |
| 英文摘要 | Due to the issues of BP neural network, which is sensitive to initial weights and easy to make the objective function into local optimum, and the disadvantages of weak local search ability and poor exploitation in standard artificial bee colony algorithm, a training method of neural network called improved artificial bee colony and back propagation is proposed. First, modify artificial bee colony algorithm inspired by the thought of differential evolution and make a more accurate description of searching behavior of onlooker bees. Second, avoid BP neural network falling into local optimum, using improved artificial bee colony to globally search the initial weights of BP neural network. Last, the datasets are tested by the new algorithm. The experiment shows compared with traditional BP neural network, the algorithm has higher classification correctness and better generalization. |
| 收录类别 | CSCD |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6239938 |
| 源URL | [http://ir.sia.cn/handle/173321/21839]  |
| 专题 | 沈阳自动化研究所_海洋信息技术装备中心 |
| 通讯作者 | 孙庆刚 |
| 作者单位 | 1.无锡中科泛在信息技术研发中心有限公司 2.中国科学院沈阳自动化研究所 3.中国科学院大学 4.中国科学院物联网研究发展中心 |
| 推荐引用方式 GB/T 7714 | 潘福成,李帅,韦鹏宇,等. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用,2018,54(10):158-163. |
| APA | 潘福成.,李帅.,韦鹏宇.,杨斌.,郑荣.,...&孙庆刚.(2018).改进人工蜂群优化BP神经网络的分类研究.计算机工程与应用,54(10),158-163. |
| MLA | 潘福成,et al."改进人工蜂群优化BP神经网络的分类研究".计算机工程与应用 54.10(2018):158-163. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。