粒子群算法優化神經網絡結構的研究

近年來，智能優化算法和神經網絡的融合取得了很大的進展，文獻[1—3]通過遺傳算法來優化神經網絡的權值和結構。文獻[4]通過粒子群優化算法來確定神經網絡的權值。文獻[5]通過粒子群算法來優化神經網絡的權值和結構。BP神經網絡是一種采用誤差反向傳播算法的多層前饋神經網絡，標準的BP模型有輸入層、隱含層(可以是一層或多層)、輸出層，相鄰層神經元之間兩兩連接。而同一層次的神經元之間沒有連接，可以實現對任何復雜函數的映射。BP算法的功能強大，易于理解，這種網絡主要用來進行分類和預測。粒子群優化算法是由Kennedy和Eberhart等于1995年提出的一種基于種群搜索的自適應進化計算技術。算法最初受到飛鳥和魚類群集活動的規律性啟發，利用群體智能建立了一個簡化模型，用組織社會行為代替了進化算法的自然選擇機制，通過利用群間個體協作來實現對問題最優解的搜索。目前在理論上很難求得網絡的最佳結構和權閾值，如何獲得BP網絡的最佳結構和權閾值問題是一個繼續值得深入研究的問題。