利用影响因子遗传算法优化前馈神经网络  

Optimization of feedforward neural network by genetic algorithm with influence factor

作　　者：施化吉[1] 尹纪军[2] 李星毅[2] 丁秋林[1] 

机构地区：[1]南京航空航天大学计算机应用研究所,南京210016 [2]江苏大学计算机科学与通信工程学院,江苏镇江212013

出　　处：《计算机应用研究》2007年第11期103-105,共3页Application Research of Computers

基　　金：国防基础预研基金资助项目(S0500A001);江苏省高校自然科学指导性计划项目(05JKD520050)

摘　　要：提出了一种带有影响因子的改进遗传算法并以此来优化前馈神经网络。染色体的每个基因都有一个影响因子,其不同取值体现了基因对整条染色体的不同影响程度。在遗传进化过程中,通过影响因子等遗传操作以达到对前馈神经网络的权值、阈值和结构优化的目的。仿真实验表明,该算法能够快速地确定神经网络的结构并且有效地提高了神经网络的收敛速度。An improved genetic algorithm with influence factor was proposed to optimize feedforward neural network. There was an influence factor in each gene and different value of influence factor represents different influence to chromosome. In the process of genetic evolution, the goal of the optimization of weights, thresholds and network structure of feedforward neural network was achieved through genetic operation on influence factor etc. The simulation experiments show that this algorithm can determine the network structure of neural network quickly and improve convergence speed of neural network effectively.

关 键 词：影响因子 改进遗传算法 前馈神经网络 优化设计 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]