多混沌差分进化算法及其神经元学习应用

摘要：

深度学习在人工智能领域占据重要的位置,在图形处理、语音识别等方面取得了杰出的成功应用.近年来,基于树突状的单独神经元模型受到了广泛的关注,该模型成功地从机理上突破了McCulloch-Pitts(MCP)模型的一些限制.但是传统的训练树突状神经元模型的方法容易陷入局部最优,以进化计算替代传统的训练方式来训练树突状神经元模型可以改善这个问题.为了验证基于成功强度的混沌差分进化算法(SCJADE)能够有效训练模型,文章用7个不同的分类数据集进行实验,并与混沌差分进化算法(CJADE)和传统误差反向传播法(BP算法)进行比较,结果表明了SCJADE能够更好地训练神经网络.

关键词：混沌系统、差分进化算法、神经元模型、学习算法

所属期刊栏目：34

分类号：TP18(自动化基础理论)

资助基金：江苏省高等学校自然科学研究项目19KJB520003

在线出版日期：2021-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：19-22,46