基于分数阶遗传神经网络的函数逼近方法

摘要：

神经网络在函数逼近领域有良好的发展趋势,但由于其参数较多,容易陷入局部最优解等问题,使得其用于逼近复杂函数时的效果不佳.针对这个问题,笔者提出一种利用分数阶微积分与遗传算法相结合的用于优化神经网络权值的方法,该方法通过分数阶G-L差分与遗传算法的思想对神经网络的损失函数进行优化,并使用优化后的算法得到了较复杂的数学函数.实验表明,与普通神经网络相比,分数阶遗传神经网络算法在函数逼近问题上能够获得更好的效果.

关键词：函数逼近;神经网络;分数阶;遗传算法;记忆性

所属期刊栏目：33

分类号：TP183(自动化基础理论)

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：61-63