基于PSO算法的BP神经网络研究  

Research on BP Neural Networks Based on PSO

作　　者：杜华英[1] 

机构地区：[1]惠州旅游学校信息技术部,惠州516057

出　　处：《现代计算机》2009年第2期28-29,共2页Modern Computer

基　　金：惠州学院科研基金项目(NOC2060212)

摘　　要：BP神经网络由于可以根据误差的反向传播来纠正权值和阈值,但它有可能陷入局部极小,不能确保收敛到全局极小点。反向传播训练次数多,收敛速度慢,使学习结果有时不能令人满意。如果用均方误差指标作为适应值的粒子群算法对BP网络的权值进行训练,会得到较快的收敛速度,而且可以避免局部最值的出现。For feed-forward neural network, BP algorithm is among the most important neural network algorithms. But, BP algorithm has its local minima, it may spend much training time and training epochs, and may get non-anticipant convergence. BP neural network based on PSO can reduce the training time and training epochs, and the convergence is also improved.

关 键 词：神经网络 BP网络 PSO优化算法 均方差 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP301.6[自动化与计算机技术—控制科学与工程]