一种新的加权目标函数下的神经网络训练方法  

Training Algorithm for Neural Network Based on a New Weighted Object Function

作　　者：王晓哲[1] 顾树生[1] 吴成东[2] 高明[1] 

机构地区：[1]东北大学信息科学与工程学院,辽宁沈阳110004 [2]沈阳建筑工程学院,辽宁沈阳110015

出　　处：《东北大学学报（自然科学版）》2001年第6期591-593,共3页Journal of Northeastern University(Natural Science)

基　　金：辽宁省自然科学基金资助项目 ( 0 0 2 0 11)

摘　　要：采用罚函数算法的思想构造一个新的加权目标函数 ,可以用一个无约束优化过程实现约束条件下的参数寻优·基于此种新的加权目标函数 ,采用遗传算法训练了神经网络控制器参数·仿真表明 ,该方法比采用Clarke目标函数及其改进方案使系统具有更好的输出响应性能 ,更具有工程实用性·A new weighted object function based on the concept of penalty function algorithm was fabricated. Using this function the parameter optimization with constraints can be performed through a non constraint process. According to this new object function, the weight training of neurocontroller was performed using GA. The new object function provides better response than the method based on Clarke object function does, and it is more effective in practical application.

关 键 词：神经网络 加权目标函数 训练算法 罚函数 参数优化 神经网络控制器 遗传算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP273[自动化与计算机技术—控制科学与工程]