基于改进粒子群算法的过程神经网络训练

摘要：

针对过程神经元网络由于模型参数较多,正交基展开后的BP算法不易收敛的问题,结合量子理论,提出一种改进的粒子群算法,并用于过程神经元网络的训练.算法中粒子采用双链结构,用量子位的概率幅对粒子位置编码,通过量子旋转门和量子非门完成粒子的更新与变异,可发挥量子粒子群的群体搜索能力和全局收敛性,有效克服BP算法计算复杂、容易陷入局部最小值等缺陷.以两组二维三角函数的模式分类问题为例,验证算法有效性.结果表明该方法不仅收敛速度快,而且寻优能力强.

关键词：过程神经元网络、粒子群、正交基变换、量子位、学习算法

所属期刊栏目：11

分类号：TP183(自动化基础理论)

资助基金：中国博士后科学基金20080440923;黑龙江省自然科学基金F2007211

在线出版日期：2011-08-15（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：2675-2679