混沌遗传算法对 BP 神经网络的改进研究
摘要
BP神经网络算法是目前应用最广泛的一种神经网络算法，但有收敛速度慢和易陷入局部极小值等缺陷．本文利用混沌遗传算法（CGA）具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法．该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化．把混沌变量加入遗传算法中，提高遗传算法的全局搜索能力和收敛速度；用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值．通过实验观察，改进后的结果与普通的BP神经网络算法的结果相比，具有更高的准确率．
引用本文（GB/T 7714）
孟栋, 樊重俊, 王家桢. 混沌遗传算法对 BP 神经网络的改进研究[J]. 数学理论与应用, 2014.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。