遗传算法与神经网络(Ⅰ)──用改进的遗传算法训练神经网络

您当前的位置：

首页 >

文章列表页 >

化工学报 | 更新时间：2025-12-16

- 遗传算法与神经网络(Ⅰ)──用改进的遗传算法训练神经网络
- GENETIC ALGORITHMS AND ARTIFICIAL NEURAL NETWORK(Ⅰ)──TRAINING ARTIFICIAL NEURAL NETWORK WITH EXTENDED GENETIC ALGORITHMS
- 化工学报 1996年第3期
- 作者机构：
  
  清华大学化学工程系!北京100084,清华大学化学工程系!北京100084,清华大学化学工程系,北京,100084
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： 224
- 网络首发：1996-06-25，
  
  纸质出版：1996-06-25
- 稿件说明：
移动端阅览
陈方泽, 陈丙珍, 何小荣. 遗传算法与神经网络(Ⅰ)──用改进的遗传算法训练神经网络[J]. 化工学报, 1996,(3).

Chen Fangze, Chen Bingzhen, He Xiaorong(Department of Chemical Engineering. GENETIC ALGORITHMS AND ARTIFICIAL NEURAL NETWORK(Ⅰ)──TRAINING ARTIFICIAL NEURAL NETWORK WITH EXTENDED GENETIC ALGORITHMS[J]. CIESC Journal, 1996, (3).
陈方泽, 陈丙珍, 何小荣. 遗传算法与神经网络(Ⅰ)──用改进的遗传算法训练神经网络[J]. 化工学报, 1996,(3). DOI：

Chen Fangze, Chen Bingzhen, He Xiaorong(Department of Chemical Engineering. GENETIC ALGORITHMS AND ARTIFICIAL NEURAL NETWORK(Ⅰ)──TRAINING ARTIFICIAL NEURAL NETWORK WITH EXTENDED GENETIC ALGORITHMS[J]. CIESC Journal, 1996, (3). DOI：

针对BP（backpropagation）神经网络训练中的局部最优问题，提出了由改进的遗传算法EGA训练BP神经网络的新方法．该方法克服了经典遗传算法的不足，通过自适应多点变异操作比较有效地克服了收敛过程中的振荡问题，因而提高了BP网络训练的速度，并且找到了合理的变异因子范围．

In order to overcome a local optimal solution which often occurs in the training process of artificial neural networks

a new algorithm called EGA is proposed.An adaptive multipoint mutation operator

which can effectively extinguish the swing problem in convergent process

is proposed in this algorithm.So the speed of BP training is improved.A reasonable mutation factor range is found.As a result

the speed and accuracy of training artificial neural networks are much improved.

浏览量

515

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

低截面气速下气液旋流分离器性能研究

全氟聚醚分子量及其分布表征研究

部分预混旋流燃烧入口激励下的熵波产生及耗散机制研究

基于富氮席夫碱网络聚合物的混合基质膜及其CO2分离性能

烟气脱硫过程含硫量自适应预测与异常状态溯源方法