• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《计算机工程与科学》 >基于改进型柯西变异灰狼优化算法训练的多层感知器

基于改进型柯西变异灰狼优化算法训练的多层感知器

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

多层感知器MLP是处理分类问题的一种方法,可实现非线性高维度分类,并有很好的扩展能力.但是,在传统MLP的训练过程中,MLP分类结果的好坏与参数选择关系密切,而且传统算法的参数选择有很多缺陷.使用群智能算法替代传统多层感知器训练器是一种解决方案.灰狼优化算法GWO是其中一种兼顾高水平的探索和开发能力的算法.但是,GWO算法训练MLP时,依然存在开发和探索不平衡的问题,导致M LP分类准确率不理想.为了提升算法探索能力,将柯西变异算子引入灰狼优化算法,同时平衡开发能力,加入余弦收敛因子,提出一种改进的柯西变异灰狼优化算法IGWO.最后,将改进后的算法作为MLP的训练器,用于对3个不同复杂度分类问题进行分类实验,检验训练器在不同结构MLP下的性能表现.结果表明:相较于其他对比算法,IGWO训练MLP在分类准确率、陷入局部最优抗性、全局收敛速度和稳定性方面均具有较好的性能.

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