一种蚁群算法优化的BP神经网络技术研究
徐益民1
杨余旺1
郭利强2
1.南京理工大学计算机科学与工程学院 南京 2100942.淮海工业集团 长治 046000
摘要：BP神经网络被广泛用于分类与回归问题,对初值选取较敏感,易陷入局部最优;ACO-BP算法可用于改进神经网络的训练,提升全局寻优能力,但训练中网络预测性能易出现抖动.基于ACO-BP算法,引入核光滑方法,采用自适应信息素挥发率,优化神经网络的训练.使用四折交叉验证方法,将ACO-BP算法、BP算法与改进ACO-BP算法,应用于UCI数据库中三组数据集进行验证.改进算法的收敛速度与ACO-BP算法相近;对复杂问题预测性能显著优于ACO-BP算法.实验结果表明,与ACO-BP算法相比,改进ACO-BP算法在加速网络收敛的同时,具有较强的鲁棒性与全局寻优能力.
关键词：人工神经网络蚁群算法混合算法神经网络训练启发式信息
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2022-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2373-2376,2460 )
英文信息