基于自适应递阶遗传算法的神经网络优化策略  

Optimization strategy of neural network based on adaptive hierarchical genetic algorithm

作　　者：吕俊[1] 张兴华[1] 张湜[1] 

机构地区：[1]南京工业大学,江苏南京210009

出　　处：《计算机工程与设计》2005年第2期305-307,共3页Computer Engineering and Design

基　　金：江苏省教育厅自然基金资助项目(03KJB510041)。

摘　　要：基于递阶结构的遗传算法可以同时对多层前向神经网络进行结构优化和权重求解。与基本的遗传算法相比,这种算法不仅在权重训练方面更加快速稳定,而且能在学习过程中确定网络的拓扑结构,具有较高的学习效率,而在遗传过程中采用自适应的交叉和变异概率能有效加快遗传速度和避免早熟现象的出现。The genetic algorithm based hierarchical structure could optimize the structure and weights of neural network simultaneously. Compared with simple genetic algorithm, it has more efficiency in not only accelerating and stabilizing the weights training but also determining the network's structure. Adopting adaptive crossover and mutation probability could accelerate the genetic speed and avoid prematurity.

关 键 词：自适应 多层前向神经网络 递阶遗传算法 变异概率 早熟现象 优化策略 拓扑结构 学习过程 学习效率 训练 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP183[自动化与计算机技术—控制科学与工程]