首页> 中文会议>2011年中国过程系统工程年会暨PSE专业委员会20周年特别年会(PSE2011) >一种新的基于量子差分进化算法的神经网络优化方法

一种新的基于量子差分进化算法的神经网络优化方法

摘要

本文提出了一种协同量子差分进化算法(CQGADE),同时优化神经网络的结构和参数,量子遗传算法用来优化神经网络的结构和隐层节点数,差分算法用来优化神经网络的权值,训练的神经网络的连接开关能有效删除冗余连接,算法的量子概率幅编码和协同机制来提高神经网络的学习效率、逼近精度和泛化能力。仿真实验结果表明:用训练后的神经网络预测太阳黑子具有更好的预测精度和鲁棒性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号