粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究

近年來，智能優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)的融合取得了很大的進(jìn)展，文獻(xiàn)[1—3]通過遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和結(jié)構(gòu)。文獻(xiàn)[4]通過粒子群優(yōu)化算法來確定神經(jīng)網(wǎng)絡(luò)的權(quán)值。文獻(xiàn)[5]通過粒子群算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)是一種采用誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡(luò)，標(biāo)準(zhǔn)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(jīng)元之間兩兩連接。而同一層次的神經(jīng)元之間沒有連接，可以實(shí)現(xiàn)對(duì)任何復(fù)雜函數(shù)的映射。BP算法的功能強(qiáng)大，易于理解，這種網(wǎng)絡(luò)主要用來進(jìn)行分類和預(yù)測(cè)。粒子群優(yōu)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(yīng)進(jìn)化計(jì)算技術(shù)。算法最初受到飛鳥和魚類群集活動(dòng)的規(guī)律性啟發(fā)，利用群體智能建立了一個(gè)簡(jiǎn)化模型，用組織社會(huì)行為代替了進(jìn)化算法的自然選擇機(jī)制，通過利用群間個(gè)體協(xié)作來實(shí)現(xiàn)對(duì)問題最優(yōu)解的搜索。目前在理論上很難求得網(wǎng)絡(luò)的最佳結(jié)構(gòu)和權(quán)閾值，如何獲得BP網(wǎng)絡(luò)的最佳結(jié)構(gòu)和權(quán)閾值問題是一個(gè)繼續(xù)值得深入研究的問題。