基于改进量子遗传算法的过程神经元网络训练
来源期刊:控制与决策2009年第3期
论文作者:李欣 程春田 曾筠
文章页码:347 - 351
关键词:过程神经元网络;量子遗传算法;学习算法;
摘 要:针对过程神经元网络由于模型参数较多BP算法不易收敛的问题,提出一种基于量子位Bloch坐标的量子遗传算法.将该算法融合于过程神经网络的训练,按权值参数的个数确定量子染色体上的基因数并完成种群编码,通过新的量子旋转门完成个体的更新.算法中的每条染色体携带3条基因链,因此可扩展对解空间的遍历性,加速优化进程.以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强.
李欣1,2,程春田3,曾筠3
1. 大连理工大学电子与信息工程学院2. 大庆石油学院计算机与信息技术学院3. 大连理工大学水电与水信息研究所
摘 要:针对过程神经元网络由于模型参数较多BP算法不易收敛的问题,提出一种基于量子位Bloch坐标的量子遗传算法.将该算法融合于过程神经网络的训练,按权值参数的个数确定量子染色体上的基因数并完成种群编码,通过新的量子旋转门完成个体的更新.算法中的每条染色体携带3条基因链,因此可扩展对解空间的遍历性,加速优化进程.以两组二维三角函数的模式分类问题为例,仿真结果表明该方法不仅收敛速度快,而且寻优能力强.
关键词:过程神经元网络;量子遗传算法;学习算法;