利用进化规划和逐步二次规划实现前馈神经网络的结构优化  

Structure Optimization for Feed-forward Neural Networks Based on Evolutionary Programming and Sequential Quadratic Programming

作　　者：金聪[1] 

机构地区：[1]湖北大学数学与计算机科学学院,湖北武汉430062

出　　处：《系统工程理论与实践》2003年第2期106-110,共5页Systems Engineering-Theory & Practice

基　　金：湖北大学重点基金资助 ( A0 0 0 1 )

摘　　要：用进化规划与逐步二次规划来实现前馈神经网络的结构优化问题 ,并提出了一个相应的学习算法 .针对进化规划与逐步二次规划各自的特点 ,进行了组合 ,使算法不仅具有随机全局搜索能力 ,而且还具有更好的全局收敛能力 ,并与环境有更强的自适应能力 .最后通过仿真和应用实验证实了算法的有效性.In this paper, when evolutionary programming and sequential quadratic programming are applied to the structure optimization of feed-forward neural networks, a learning algorithm is proposed. The new algorithm retains the ability of stochastic global searching. It has better global convergence and very strong self-adaptive ability with environment. The efficiency of research work mentioned above has been shown by simulation and applications.

关 键 词：前馈神经网络 进化规划 逐步二次规划 结构优化 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]