基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf

1、BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射、泛化和容錯(cuò)能力,由于其采用的是基于梯度下降的BP算法,故存在收斂速度慢、容易陷入局部極小值等缺陷,這些缺陷嚴(yán)重影響了BP網(wǎng)絡(luò)的應(yīng)用。粒子群算法是一種新型的基于種群行為對(duì)既定目標(biāo)進(jìn)行尋優(yōu)的群智能優(yōu)化算法,其本質(zhì)是一種概率搜索,不需要任何的梯度信息。它有魯棒性、分布性、自適應(yīng)性、快速性和協(xié)作性等特點(diǎn),同時(shí)具有很好的全局收斂特性。所以,本文采用粒子群算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò),以提高網(wǎng)絡(luò)的性能。
　　本文對(duì)

2、粒子群算法進(jìn)行改進(jìn)并用改進(jìn)的粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),主要研究?jī)?nèi)容和結(jié)果如下:
　　(1)學(xué)習(xí)了標(biāo)準(zhǔn)BP算法的數(shù)學(xué)推導(dǎo)過程、BP算法的局限性及原因分析,對(duì)目前已有的BP改進(jìn)算法進(jìn)行比較。
　　(2)學(xué)習(xí)了粒子群算法的基本原理及其局限性,采用慣性權(quán)重和學(xué)習(xí)因子動(dòng)態(tài)調(diào)整策略來平衡算法的全局搜索能力和局部搜索能力,提高算法的收斂速度和精度;另外,在算法中引入局部最優(yōu)檢驗(yàn)策略,并通過更換部分粒子,增加粒子多樣性,保證算法收斂到全局

3、最優(yōu)。利用基準(zhǔn)測(cè)試函數(shù)對(duì)改進(jìn)粒子群算法進(jìn)行仿真實(shí)驗(yàn),測(cè)試結(jié)果表明改進(jìn)算法有效。
　　(3)將改進(jìn)的粒子群優(yōu)化算法引入神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),用粒子群的迭代來代替BP算法中的梯度修正。算法通過迭代找到全局最優(yōu)粒子,即確定網(wǎng)絡(luò)的最優(yōu)權(quán)值閾值。利用異或問題進(jìn)行仿真實(shí)驗(yàn),測(cè)試結(jié)果表明改進(jìn)粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)有效。
　　(4)確定了地震預(yù)測(cè)的影響因素和指標(biāo)體系,并結(jié)合選取的樣本數(shù)據(jù),構(gòu)建了基于改進(jìn)粒子群神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)模型;證實(shí)了