資源描述：
《BP神經(jīng)網(wǎng)絡(luò)的IAPSOBPNN組合訓(xùn)練算法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第22卷第9期重慶工學(xué)院學(xué)報(自然科學(xué))2008年9月Vol.22No.9JournalofChongqingInstituteofTechnology(NaturalScience)Sep.2008XBP神經(jīng)網(wǎng)絡(luò)的IAPSOBPNN組合訓(xùn)練算法黃麗,唐萬梅(重慶師范大學(xué)數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院,重慶400047)摘要:針對BP神經(jīng)網(wǎng)絡(luò)易陷入局部極小點(diǎn)、泛化能力低的缺陷,提出了BP神經(jīng)網(wǎng)絡(luò)的IAP-SOBPNN(ParticleSwarmOptimizationwithImmunityAlgorithmBac
2、kPropagationNeuralNetwork)組合訓(xùn)練算法,即免疫算法、粒子群算法和BP算法的組合.將此組合訓(xùn)練算法應(yīng)用到非線性函數(shù)逼近和具有復(fù)雜非線性動力學(xué)特征的股價預(yù)測中,仿真實(shí)驗表明,該算法避免了網(wǎng)絡(luò)陷入局部極小點(diǎn),提高了網(wǎng)絡(luò)的泛化能力,同時為BP網(wǎng)絡(luò)參數(shù)的確定提供了一條嶄新的思路.關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò);IAPSOBPNN組合訓(xùn)練算法;非線性函數(shù)逼近;股價預(yù)測中圖分類號:TP183文獻(xiàn)標(biāo)識碼:A文章編號:1671-0924(2008)09-0120-07IAPSOBPNNCombinedTra
3、iningAlgorithmsforBPNeuralNetworkHUANGLi,TANGWan-mei(CollegeofMathematicsandComputerSciences,ChongqingNormalUniversity,Chongqing400047,China)Abstract:BPneuralnetworkiseasilytrappedintolocalminima,andhaslowgeneralizationability.Intermsoftheseproblems,IAPSO
4、BPNN(ParticleSwarmOptimizationwithImmunityAlgorithmBackPropa-gationNeuralNetwork)combinedtrainingalgorithmisproposed,namely:acombinationofimmunityalgo-rithm,particleswarmoptimizationandbackpropagationalgorithm.Thecombinedtrainingalgorithmisap-pliedtotheno
5、nlinearfunctionapproximationandstockpriceforecastwithcomplexnonlineardynamicchar-acteristic,andthesimulationresultsindicatethatthealgorithmavoidsthenetworkfromlocalminima,en-hancesthegeneralizationabilityofthenetwork,providesanewideaforfixingtheparameters
6、ofBPnet-work.Keywords:BPneuralnetwork;IAPSOBPNNcombinedtrainingalgorithm;nonlinearfunctionapproxima-tion;stockpriceforecastX收稿日期:2008-03-17基金項目:重慶市教委科研項目(KJ060818,KJ060804);重慶師范大學(xué)校級科研項目(06XLB23).作者簡介:黃麗(1982)),女,重慶銅梁人,碩士研究生,主要從事人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.黃麗,等:BP神經(jīng)網(wǎng)絡(luò)的IA
7、PSOBPNN組合訓(xùn)練算法121BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣、最具代表性的SO算法對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練,找到一個較優(yōu)解,然網(wǎng)絡(luò),被廣泛應(yīng)用于模式識別、函數(shù)逼近、預(yù)測等后將此時網(wǎng)絡(luò)參數(shù)作為BP算法的初始參數(shù)再進(jìn)領(lǐng)域.由于BP網(wǎng)絡(luò)采用的BP算法是基于梯度的行訓(xùn)練,最終搜索出最優(yōu)的網(wǎng)絡(luò)參數(shù).最速下降法,不可避免地存在易陷入局部極小點(diǎn)、泛化能力低的缺陷,但這很大一部分原因是網(wǎng)絡(luò)1BP神經(jīng)網(wǎng)絡(luò)參數(shù)的問題,參數(shù)成為BP神經(jīng)網(wǎng)絡(luò)最引人注意的特征.可說在BP神經(jīng)網(wǎng)絡(luò)的發(fā)展過程中,網(wǎng)絡(luò)參1.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)的研究一直占據(jù)重
8、要地位.鑒于此,國內(nèi)外研究BP神經(jīng)網(wǎng)絡(luò)是以美國DERumenlhart為首的[1-2]者對其提出了大量的改進(jìn)算法,如遺傳算法、學(xué)者在1986年提出的,它是由非線性變換單元組[3-4][5-6]成的多層前饋網(wǎng)絡(luò),一般由輸入層、隱含層和輸出模擬退火算法、粒子群算法等,在BP網(wǎng)絡(luò)參數(shù)確定方面取得了一定效果.層3部分構(gòu)成,隱含層可以為1層或多層.理論表[16-17]粒子群算法(ParticleSwarmOptimization,PSO
