一种改进遗传算法实现前向神经网络权值优化的方法  

作　　者：李宇驰 刘登航 肖鸿飞 赵培光 

机构地区：[1]中国人民解放军93147部队

出　　处：《数字技术与应用》2024年第6期177-180,共4页Digital Technology & Application

摘　　要：本文介绍了一种自适应改变交叉概率和变异概率的改进遗传算法。针对前向神经网络离线训练过程中梯度下降法存在易陷入局部极小的缺点和遗传算法能够很快接近全局最优的优点,提出了应用改进遗传算法对前向神经网络权值实现优化的方法,最后应用图形化可编程语言LabV IEW实现了改进遗传算法对前向神经网络权值的优化,证明了本方法的有效性。一、问题的提出由于含有至少一个隐含层和足够隐含层节点的前向神经网络以任意精度逼近复杂非线性函数,因此在系统辨识、控制器设计、系统建模、状态估计、优化、预测等方面有大量的应用,但目前为止前向神经网络还存在诸多问题待完善。如何确定适当的隐层节点数,以及怎样获得最优的权值并提高训练速度等成为亟待解决的问题。

关 键 词：前向神经网络 梯度下降法 隐含层节点 权值优化 改进遗传算法 编程语言 系统辨识 交叉概率 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]