粒子群优化BP网络及其应用

任玉艳; 王洪瑞; 鲍洁

doi:10.3969/j.issn.1000-1565.2011.04.023

河北大学学报(自然科学版) >

2011 , Vol. 31 >Issue 4: 445 - 448

DOI: https://doi.org/10.3969/j.issn.1000-1565.2011.04.023

粒子群优化BP网络及其应用

任玉艳 ,
王洪瑞 ,
鲍洁

展开

1.燕山大学里仁学院,河北秦皇岛,066004； 2.河北大学电子信息工程学院,河北保定,071002； 3.国家发展和改革委员会国家投资项目评审中心,北京,100037

网络出版日期: 2011-07-25

基金资助

科技部国际科技合作项目，河北省科技厅指导性计划项目，秦皇岛市科学技术研究与发展计划项目

收起

Algorithm of BP Networks Based on Quantum Particle Swarm Optimization

REN Yu-yan ,
WANG Hong-rui ,
BAO Jie

Expand

Online published: 2011-07-25

Fold

摘要

提出一种基于量子激励粒子群算法优化BP网络的参数方法.该算法在粒子群优化算法中引入量子论思想,克服了传统粒子群算法易陷入局部极值、优化效果较差的缺点,最终得到BP网络的最佳参数值.利用优化后的BP网络控制仿生机器马的运动状态,仿真结果表明该算法能快速、准确地达到最佳控制效果.

关键词： BP网络; 粒子群算法(PSO); 量子论; 优化算法; 仿生机器马

本文引用格式

任玉艳 , 王洪瑞 , 鲍洁 . 粒子群优化BP网络及其应用[J]. 河北大学学报(自然科学版), 2011 , 31(4) : 445 -448 . DOI: 10.3969/j.issn.1000-1565.2011.04.023

参考文献

[1] 神经网络模型的预测精度影响因素分析及其优化 [J]. 模式识别与人工智能 2005.
[2] 王晶, WANG Jing. 蚁群算法优化前向神经网络的一种方法 [J]. 计算机工程与应用 2006.doi:10.3321/j.issn:1002-8331.2006.25.017
[3] 师彪, 李郁侠, 于新花, 闫旺, SHI Biao, LI Yu-xia, YU Xin-hua, YAN Wang. 改进粒子群-BP神经网络模型的短期电力负荷预测 [J]. 计算机应用 2009.
[4] 宋乃华, 邢清华, SONG Naihua, XING Qinghua. 一种新的基于粒群优化的BP网络学习算法 [J]. 计算机工程 2006.doi:10.3969/j.issn.1000-3428.2006.14.067
[5] 田华, 石圣羽, 宗晓萍, TIAN Hua, SHI Sheng-yu, ZONG Xiao-ping. 基于不变矩特征及BP神经网络的图像模式识别 [J]. 河北大学学报（自然科学版） 2008.doi:10.3969/j.issn.1000-1565.2008.02.025
[6] I. A. Basheer, M. Hajmeer. Artifical neural networks: fundamentals, computing, design, and application [J]. Journal of Microbiological Methods 2000, 1(1).
[7] 任志刚, 冯祖仁, 柯良军, 张兆军, REN Zhi-gang, FENG Zu-ren, KE Liang-jun, ZHANG Zhao-jun. 基于聚类分析的增强型蚁群算法 [J]. 控制与决策 2010.
[8] SUN Jun, FENG Bin, XU Wenbo. Particle swarm optimization with particles having quantum behavior [J]. CEC2004 Evolutionary Computation Congress 2004.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

参考文献