基于改进遗传算法的神经网络优化设计.pdfVIP

第28卷第1期计算机应用与软件V0I．28No．1

2011年1月ComputerApplicationsandSoftwareJan．2011

基于改进遗传算法的神经网络优化设计

胡仁平刘刚

(湖南铁路科技职业技术学院机电工程系湖南株洲412000)

摘要针对前馈式多层神经网络的结构和权值设计方法的缺陷，提出了一种基于改进遗传算法的前馈神经网络自动优化设计

方法，用以完成对网络结构和权值空间的有哪些信誉好的足球投注网站，提高神经网络的收敛速度和有哪些信誉好的足球投注网站全局最优解的能力。通过实验表明，该算法的收敛

速度较快，过程稳定，而且泛化能力也较好。故此方法在神经网络设计上能够发挥较好的作用。

关键词神经网络遗传算法优化设计

oPTIMISEDDESIGNoFNEURALNETWoRKSBASED

oNIMPRoVEDGENETICALGoRITHM

HuRenpingLiuGang

(Depanme~ofElectromechanicalEngineering，HunanRailwayCollegeofScienceandTechnology，Zhuzhou412000，Hunan，China)

AbstractInviewofthelimitationsinstructureoffeed—forwardmultilayerneuralnetworksandweightsdesignmethod，anautomatic

optimiseddesignapproachofrfeed-fowrardneuralnetworksbasedonimprovedgeneticalgorithmwaspresentedforcompletingthesearchof

networksturctureandweightsspaceandimprovingtheneuralnetworkconvergencespeedandthecapabilityofglobaloptimalsolutionserach．

Experimentsshowedthattheconvergenceofthemethodisfastandtheconvergentprocessisstable，andithasgoodnetworksgeneralization

abilityaswel1．Thereforethismethodcanplayapreferablegoodroleinthedesignofneuralnetworks．

KeywordsNeuralnetworksGeneticalgorithmsOptimiseddesign

0引言1优化方案

神经网络系统是由大量简单的非线性处理单元以某种拓扑遗传算法优化神经网络可分为三类：网络结构的优化、学习

结果广泛地相互联结而成的高度非线性动力学系统，非常适合规则的优化和连接权的优化。神经网络结构包括网络隐层数、

于解决非线性问题，尤其是基于误差反向传播算法的多层前馈隐层结点数及各神经元的传递函数三个部分。因三层神经

网络(简称BP网络)，可以任意精度逼近任意连续函数。但神网络能以任意精度逼近指定函数，这时的网络结构优化仅包含

经网络结构的设计，实际上就是根据某个性能评价准则来确定中间层结点数和各神经元的传递函数的优化。另外，对于不同

适合于解决某个问题的参数的组合。当待解决的问题比较复杂的神经网络模型，有不同的训练算法。这些训练算法中的一些

时，用人工的方法来设计是比较困难的，几乎没有什么严格的设参数，如BP算法中的学习率、动量项等，对于不同的应用对象，

计准则可以参考。虽然Kolmogonov定理说明在合理的结构和