遗传算法和bp神经网络结合(神经网络权值学习)
来源:互联网 发布:p2p网络借贷黑名单 编辑:程序博客网 时间:2024/04/29 18:04
BP算法的误差减小,是反梯度方向进行的。因此,极易陷入局部极小点的困境。一旦训练学习样本数目多,输入输出关系比较复杂, 网络的收敛速度变得缓慢。表现为对网络结构的初值要求很高。初值的不合理, 会造成BP算法的收敛摆动, 以至不收敛。
GA在随机点集中遗传优化出bp神经网络结构的初值,再利用bp神经网络进行自我学习。
GA与其它优化算法不同, 它将“ 自然选择” 机理引入优化过程中, 对于优化问题的限制极少, 对约束及目标函数既不要求连续, 也不要求可微。因此, 其搜索过程始终遍及整个搜索空间,可得到全局最优解。
G A 与A N N 结合的机制, 本文采用的是根据G A 解空间遍及整个搜索空间的特性, 从随机解集中, 遗传出在最优解-定范围内的优化解, 以此形成A N N 结构的初值, 再由A N N按负梯度方向进行快速搜索, 以达到全局最小点。这样做, 既可以保证收敛的全局最小点, 又能保证收敛的速度。
GA反复优化神经网络的权值,直到平均值不再有意义地增加为止,此时解码得到的参数组合已经充分接近最佳参数组合,在此基础上再用BP算法对它们进行细调,这种方法的通用性较好。
具体步骤:
1.将神经网络的各权值和阀值,顺序编码,形成染色体。染色体的初值(随机在0-1)
2.性价函数:将权值和阀值输入到bp中后,结合训练集的输入输出,计算出误差平方和。
3.遗传,交叉,变异等操作。
4.进行一定的代数,查看效果(代数需要经验设定)
5.将遗传算法的结构带入到bp神经网络中,进行训练。
6.训练学习结束后,进行实际测试。
- 遗传算法和bp神经网络结合(神经网络权值学习)
- 神经网络和遗传算法结合(原创)
- 遗传算法优化BP神经网络
- 遗传算法优化BP神经网络
- 遗传算法优化BP神经网络
- BP神经网络算法学习
- BP神经网络算法学习
- BP神经网络算法学习
- BP神经网络算法学习
- 神经网络和BP算法
- 遗传算法优化的BP神经网络建模
- 遗传算法优化BP神经网络续
- 遗传算法优化的BP神经网络建模
- 【神经网络学习笔记】遗传算法优化BP神经网络-非线性函数拟合
- 机器学习----神经网络(二)BP算法
- 机器学习神经网络算法(经典BP算法结合实例推导)原理
- BP神经网络学习算法原理
- 多层神经网络BP算法权值更新过程
- RSSI简介
- WebSphere MQ 入门指南-1
- spark编程debug(持续更新!)
- iOS - 定位服务
- C语言文件操作函数大全
- 遗传算法和bp神经网络结合(神经网络权值学习)
- leetcode Pattern
- junior-week6
- 详解tomcat线程池原理及参数释义
- Android Studio教程06-快捷键、Debug的使用
- setsockopt函数解析
- iOS如何把所有界面的状态栏的字体颜色都设置为白色
- 代理模式---java设计模式
- Visual Studio 2010或者2012上安装VASSISTX