用GDR-GA、拆分组装法训练神经网络  

Training Neural Network with GDR-GA and Split-Assembly Solution

作　　者：杨红涛[1] 李俊松[2] 

机构地区：[1]武汉理工大学机电工程学院,湖北武汉430070 [2]武汉理工大学自动化学院,湖北武汉430070

出　　处：《武汉理工大学学报（信息与管理工程版）》2004年第1期30-34,共5页Journal of Wuhan University of Technology：Information & Management Engineering

摘　　要：阐述了BP神经网络输入样本的预处理过程,提出了输入样本最短距离的概念,并推出了减少输入层单元数的约束不等式;在此基础上再运用文献[1]所阐述的拆分组装方法,进一步减小了BP网络的规模,每个子BP网单独学习,学习好后将权值组装,可构造成一个学习结果达到均方根误差全局最小点的BP神经网络;还阐述了每个子网采用的学习算法,即最速梯度-遗传算法(GDR-GA算法),该方法的应用在很大程度上克服了BP网学习时遇到的局部极小值问题。The authors aim at the preprocessing of input-species of BP neural network, put forward a notion named the shortest distance of input-species spacing, then deduce a restriction inequation on decreasing the input layers. A solution named split-assembly training is adopted to split a large BP neural network into several small ones, which can be easily trained before assembled and help to escape the local best points. GDR-GA algorithm is applied here for the training.

关 键 词：神经网络 神经网络的拆分 神经网络的组装 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]