基于改进的自适应遗传算法优化BP神经网络

发布时间：2017-12-08 06:00

  本文关键词：基于改进的自适应遗传算法优化BP神经网络

  更多相关文章： BP神经网络 自适应遗传算法 交叉率 变异率 优化

【摘要】：针对Srinivas提出的自适应遗传算法种群前期进化较慢的问题,改进了自适应交叉率和变异率的计算方法,考虑交叉率和变异率与种群进化所处阶段的匹配,提出一种改进的自适应遗传算法;并将其应用于BP神经网络计算模型的优化,运用到汽车加油量计算中,通过比较标准BP网络、Srinivas提出的自适应遗传算法优化的BP神经网络和改进的自适应遗传算法优化的BP神经网络3种模型的计算误差,验证得出改进的自适应遗传算法优化BP神经网络的算法优于另外两种。
【作者单位】： 江苏科技大学计算机科学与工程技术学院;
【分类号】：TP18
【正文快照】： 人工神经网络(Artificial Neural Networks,ANN),是基于人类大脑的生物活动所提出的,是一个数学模型[1]。BP(BackPropagation)神经网络是一种多层前馈型网络,是最典型的多层神经网路学习算法。BP神经网络可以理解为是一个黑箱模型,它具有很强的非线性映射能力、适应能力和学习

【相似文献】

中国期刊全文数据库 前10条

1 关旭,张春梅,王尚锦;一种改进的自适应遗传算法[J];微机发展;2003年11期

2 任少伟,刘进忙,贺正洪;基于自适应遗传算法的目标优化分配方法[J];情报指挥控制系统与仿真技术;2004年03期

3 刘姝廷;金太东;王连生;;一种改进的自适应遗传算法[J];江西理工大学学报;2010年01期

4 谢娟英;张琰;王春霞;蒋帅;;基于分裂算子的遗传算法和自适应遗传算法[J];计算机工程与应用;2010年33期

5 王栋;孙明U，

本文编号：1265266